[論文レビュー] Semi-supervised object detection based on single-stage detector for thighbone fracture localization

Jinman Wei, Jinkun Yao+4 more|arXiv (Cornell University)|Oct 20, 2022

Hip and Femur Fractures被引用数 5

ひとこと要約

本論文は、大腿骨骨折局在化を目的とした単段階検出器に基づく半教師付きオブジェクト検出フレームワークを提案し、信頼性の高い疑似ラベルフィルタリングのための3つの新規モジュールを導入している：信頼性の高い疑似ラベルのフィルタリングを目的とした適応的困難サンプル指向（ADSO）、類似する疑似バウンディングボックスを統合するためのFusion Box、および適応的データ拡張を実現する可変拡張エンコーダー（Dexエンコーダー）。本手法は、完全データ上での86.2%のAP50および52.6%のAP75を達成し、低ラベル設定下でも既存手法を顕著に上回る最先端の性能を発揮する。

ABSTRACT

The thighbone is the largest bone supporting the lower body. If the thighbone fracture is not treated in time, it will lead to lifelong inability to walk. Correct diagnosis of thighbone disease is very important in orthopedic medicine. Deep learning is promoting the development of fracture detection technology. However, the existing computer aided diagnosis (CAD) methods baesd on deep learning rely on a large number of manually labeled data, and labeling these data costs a lot of time and energy. Therefore, we develop a object detection method with limited labeled image quantity and apply it to the thighbone fracture localization. In this work, we build a semi-supervised object detection(SSOD) framework based on single-stage detector, which including three modules: adaptive difficult sample oriented (ADSO) module, Fusion Box and deformable expand encoder (Dex encoder). ADSO module takes the classification score as the label reliability evaluation criterion by weighting, Fusion Box is designed to merge similar pseudo boxes into a reliable box for box regression and Dex encoder is proposed to enhance the adaptability of image augmentation. The experiment is conducted on the thighbone fracture dataset, which includes 3484 training thigh fracture images and 358 testing thigh fracture images. The experimental results show that the proposed method achieves the state-of-the-art AP in thighbone fracture detection at different labeled data rates, i.e. 1%, 5% and 10%. Besides, we use full data to achieve knowledge distillation, our method achieves 86.2% AP50 and 52.6% AP75.

研究の動機と目的

• 医療画像解析における高コストなラベル付けを低減するため、大腿骨骨折局在化のための半教師付きオブジェクト検出手法を開発すること。
• ラベル付きデータが少ない状況（1%、5%、10%）においても、未ラベルデータを効果的に活用して検出性能を向上させること。
• 半教師付き学習における単段階検出器が直面する課題、たとえばノイズの多い疑似ラベルや劣悪な回帰品質を克服すること。
• 適応的データ拡張および疑似ラベルの最適化技術を通じて、モデルの頑健性と一般化性能を向上させること。

提案手法

• 分類スコアを信頼性指標として用いるADSOモジュールを提案し、低信頼度の疑似ラベルをフィルタリングする。
• 重複するか類似した疑似バウンディングボックスを統合し、より信頼性の高い回帰ターゲットを生成するFusion Boxモジュールを導入する。
• 拡張畳み込みを用いて、データ拡張の適応性と特徴表現を向上させる可変拡張エンコーダー（Dexエンコーダー）を設計する。
• 教師-生徒トレーニングの枠組みを採用し、教師モデルが未ラベルデータに対して疑似ラベルを生成し、それをもとに生徒モデルを学習させる。
• 特にAP75指標の向上を図るために、完全データを用いた知識蒸留を適用する。
• バックボーンとしてYOLOFを採用し、各モジュールの有効性を検証するためのアブレーションスタディを実施する。

実験結果

リサーチクエスチョン

• RQ1 最小限のラベル付きデータで、単段階検出器に基づく半教師付きオブジェクト検出フレームワークが、大腿骨骨折局在化において最先端の性能を達成できるか？
• RQ2 単段階検出器は予測のノイズに非常に感受性が高いため、半教師付き学習下で疑似ラベルの品質をどのように向上できるか？
• RQ3 提案されたモジュール（ADSO、Fusion Box、Dexエンコーダー）が、低データ環境下での性能向上にどの程度寄与しているか？
• RQ4 Dexエンコーダーによる適応的データ拡張は、モデルの一般化性能および頑健性にどのような影響を与えるか？

主な発見

• 提案手法は、完全データセット上での86.2%のAP50および52.6%のAP75を達成し、大腿骨骨折検出分野における新たな最先端性能を確立した。
• 1%のラベル付きデータ条件下でも、mAPが39.9%、AP50が79.2%を達成し、ベースラインモデルを顕著に上回った。
• Fusion Boxモジュールは閾値0.05で最良の性能を示し、ベースライン比でmAPが0.9%向上した。
• ADSOモジュールは信頼度閾値0.5で最適な性能を発揮し、閾値の変動に対しても頑健性を示した。
• 3つの拡張ブロック（率4, 6, 8）を備えたDexエンコーダーが、精度と計算コストのバランスにおいて最良の結果をもたらした。
• アブレーションスタディの結果、ADSO、Fusion Box、Dexエンコーダーの3つのモジュールが組み合わさることで、ベースライン比でmAPが3.3%向上した。