[論文レビュー] Towards Single-phase Single-stage Detection of Pulmonary Nodules in Chest CT Imaging

Zhongliu Xie|arXiv (Cornell University)|Jul 16, 2018

Lung Cancer Diagnosis and Treatment被引用数 8

ひとこと要約

本論文は、極度のクラス不均衡に対処するため、修正されたResNet-FPNアーキテクチャとRReLU活性化関数、および新しいアンカーに基づくパッチサンプリング戦略を用いて、3次元胸部CTスキャンにおける肺結節のエンドツーエンド検出のための単一段階・単一段階の深層学習フレームワークを提案する。この手法は、1スキャンあたり[1, 2, 4]の誤検出に対して0.9767のFROCスコアを達成し、精度と推論速度の両面で従来の二段階アプローチを顕著に上回り、スキャンあたり35秒の高速推論を実現した。

ABSTRACT

Detection of pulmonary nodules in chest CT imaging plays a crucial role in early diagnosis of lung cancer. Manual examination is highly time-consuming and error prone, calling for computer-aided detection, both to improve efficiency and reduce misdiagnosis. Over the years, a range of systems have been proposed, mostly following a two-phase paradigm with: 1) candidate detection, 2) false positive reduction. Recently, deep learning has become a dominant force in algorithm development. As for candidate detection, prior art was mainly based on the two-stage Faster R-CNN framework, which starts with an initial sub-net to generate a set of class-agnostic region proposals, followed by a second sub-net to perform classification and bounding-box regression. In contrast, we abandon the conventional two-phase paradigm and two-stage framework altogether and propose to train a single network for end-to-end nodule detection instead, without transfer learning or further post-processing. Our feature learning model is a modification of the ResNet and feature pyramid network combined, powered by RReLU activation. The major challenge is the condition of extreme inter-class and intra-class sample imbalance, where the positives are overwhelmed by a large negative pool, which is mostly composed of easy and a handful of hard negatives. Direct training on all samples can seriously undermine training efficacy. We propose a patch-based sampling strategy over a set of regularly updating anchors, which narrows sampling scope to all positives and only hard negatives, effectively addressing this issue. As a result, our approach substantially outperforms prior art in terms of both accuracy and speed. Finally, the prevailing FROC evaluation over [1/8, 1/4, 1/2, 1, 2, 4, 8] false positives per scan, is far from ideal in real clinical environments. We suggest FROC over [1, 2, 4] false positives as a better metric.

研究の動機と目的

• 従来の二段階パラダイム（候補検出と誤検出低減の分離）を排除すること。
• 陽性サンプルが容易な陰性サンプルに比べて著しく少ない3次元結節検出における極度のクラス間およびクラス内不均衡に対処すること。
• 微調整や後処理を必要とせず、分類とボクシングボックス回帰を1つのネットワークですべて行うエンドツーエンドのワンネットワークソリューションを開発すること。
• 放射線科医の優先順位とより整合性の高い臨床的意味を持つ評価指標、1スキャンあたり[1, 2, 4]誤検出におけるFROCを提示すること。
• 適応的アンカーに基づく動的パッチベースのサンプリング戦略を用いて、推論速度と学習効率を向上させること。

提案手法

• スケールに依存しない特徴抽出とマルチスケール検出を向上させるために、スキップ接続とラテラル接続を備えた修正されたResNet-FPNアーキテクチャを採用する。
• 深層ネットワークにおける死活ReLU問題を軽減し、学習安定性を向上させるために、RReLU活性化関数を採用する。
• 陽性サンプルとハードな陰性サンプルのみを動的に選択するアンカーに基づくパッチサンプリング戦略を導入し、膨大な陰性サンプルプールからの学習負荷を軽減する。
• 訓練エポック全体にわたりサンプリングの関連性を維持するために、定期的に更新されるアンカーを用いることで、モデルの汎化性能を向上させる。
• 事前学習や転移学習を一切行わず、3次元CTボリューム上でエンドツーエンドの訓練を実施し、直接的に結節の位置と確率を回帰する。
• 分類ヘッドと回帰ヘッドを同時に最適化するため、分類と位置特定の両方の精度を高める損失関数を適用する。

実験結果

リサーチクエスチョン

• RQ1 単一段階・単一段階の深層学習モデルは、3次元CTスキャンにおける肺結節検出において、従来の二段階パイプラインを上回ることができるか？
• RQ2 エンドツーエンド訓練における3次元結節検出の極度のクラス不均衡を緩和するために、アンカーに基づくパッチサンプリングはどの程度有効か？
• RQ3 提案手法は、最先端の二段階アプローチと比較して、より優れた検出性能と推論速度を達成できるか？
• RQ4 1スキャンあたり[1, 2, 4]誤検出におけるFROCは、従来の[1/8, 1/4, 1/2, 1, 2, 4, 8]スケールと比較して、臨床的により意味のある評価指標であるか？
• RQ5 微調整や後処理に依存せず、最小限の誤検出で高い感度を達成できるか？

主な発見

• 提案されたワンネットワークモデルは、[1, 2, 4]誤検出あたりの新しい評価基準において、FROCスコア0.9767を達成し、従来の最先端手法を顕著に上回った。
• アンサンブルモデルは、同じ指標でFROCスコア0.9817を達成し、強力な汎化性能と頑健性を示した。
• 標準ベンチマークにおけるFROC[luna]スコアは0.9351を記録し、以前の最先端手法を上回った。
• 推論時間はスキャンあたり約35秒であり、二段階アプローチと比較して顕著に高速であった。
• アンカーに基づくパッチサンプリング戦略は、ハードな陰性サンプルと陽性サンプルにのみ集中することで、学習サンプル数を著しく削減し、学習効率を向上させた。
• 放射線科医からの臨床フィードバックでは、[1, 2, 4]誤検出あたりのFROCが、誤検出を最小限に抑えつつ誤検出を優先するという放射線科医の優先順位とより整合的であると支持された。