[論文レビュー] Unified Multi-scale Feature Abstraction for Medical Image Segmentation

Xi Fang, Bo Du+3 more|arXiv (Cornell University)|Oct 24, 2019

Advanced Neural Network Applications参考文献 7被引用数 4

ひとこと要約

本稿では、密度的なスケール間接続（DCCs）とディープパラレルスラブ（DPS）を用いて、マルチスケール入力と出力の特徴量を統合する、2次元U-Netベースの新規なMIMO-FANアーキテクチャを提案する。この手法は1ステップの推論で最先端の性能を達成し、LiTSチャレンジデータセットにおいて平均Diceスコア95.7％を達成した。3D手法やマルチステップ手法を上回り、1つのGPUで著しく高速に学習可能である。

ABSTRACT

Automatic medical image segmentation, an essential component of medical image analysis, plays an importantrole in computer-aided diagnosis. For example, locating and segmenting the liver can be very helpful in livercancer diagnosis and treatment. The state-of-the-art models in medical image segmentation are variants ofthe encoder-decoder architecture such as fully convolutional network (FCN) and U-Net.1A major focus ofthe FCN based segmentation methods has been on network structure engineering by incorporating the latestCNN structures such as ResNet2and DenseNet.3In addition to exploring new network structures for efficientlyabstracting high level features, incorporating structures for multi-scale image feature extraction in FCN hashelped to improve performance in segmentation tasks. In this paper, we design a new multi-scale networkarchitecture, which takes multi-scale inputs with dedicated convolutional paths to efficiently combine featuresfrom different scales to better utilize the hierarchical information.

研究の動機と目的

• 2次元医療画像分類において、グローバルおよびローカルの文脈的情報を統合する統合的マルチスケールフレームワークを提案すること。
• 従来の2Dおよび3D U-Net変種がマルチステージまたは3D処理を必要としているのと比較し、学習時間と計算コストを低減すること。
• ネットワークの各深さでマルチスケール特徴量を統合することで、階層的および文脈的情報を保持した特徴抽出を向上させること。
• 複数の出力スケールにわたり、勾配消失を軽減するためにディープパラレルスラブを導入すること。
• 2段階の粗いから細かいパイプラインを避けるために、1ステップの推論で競争力のある分類性能を達成すること。

提案手法

• ネットワークは、空間ピラミッドプーリングを介してマルチスケール入力を用い、ネットワークの初期段階から異なる解像度でのシーン文脈を抽出する。
• 密度的なスケール間接続（DCCs）は、残差接続および密度的スキップ接続を用いて、同じ深さにおける異なるスケールからの特徴量を統合し、階層的特徴表現を強化する。
• DCCsはエンコーダーでトップダウン統合とデコーダーでボトムアップ復元を実行し、スケール間での文脈的整合性を維持する。
• ディープパラレルスラブ（DPS）は、複数の出力スケールに重み付き交差エントロピー損失を適用し、各スケールに一致するように空間ピラミッドプーリングにより正例ラベルを生成する。
• スケール統合（SF）戦略は、2つの最大の確率マップを統合して、より信頼性の高い最終分類マスクを生成する。
• モデルは、データオーグメンテーションと256×256へのリサイズを伴い、1つのTitan Xp GPUを用いて2D軸断層画像上でエンドツーエンドに学習される。

実験結果

リサーチクエスチョン

• RQ1 3D畳み込みやマルチステージパイプラインに依存せずに、統合的マルチスケールネットワークアーキテクチャが2次元医療画像分類における特徴抽出を改善できるか？
• RQ2 ネットワークの各深さでマルチスケール特徴量を統合すると、分類精度と学習安定性にどのような影響を与えるか？
• RQ3 ディープパラレルスラブが勾配消失をどれほど軽減し、複数の出力スケールでの性能向上に寄与するか？
• RQ4 標準的なスキップ接続と比較して、提案されたDCCモジュールは特徴表現および分類精度においてどのように優れているか？
• RQ5 1ステップの2次元ネットワークが、マルチステップまたは3Dの最先端手法と同等の性能を達成できるか？

主な発見

• MIMO-FANはLiTSテストセットで平均Diceスコア95.7％を達成し、1ステップ推論で平均Diceが96.1％を記録した3D H-DenseUNetを上回った。
• モデルは1つのTitan Xp GPUでわずか3時間で学習が完了し、2D DenseUNetの21時間の学習時間およびH-DenseUNetの9時間のファインチューニング時間と比較して著しく高速であった。
• アブレーションスタディの結果、DCCとDPSを組み合わせることで95.4％の平均Diceスコアが得られ、スケール統合を追加することで95.7％まで向上した。
• 統計的t検定により、MIMO-FANはU-Net（p=0.004）、ResU-Net（p=0.025）、DenseU-Net（p=0.002）を有意に上回ることが確認された（p値はいずれも0.05未満）。
• グローバルDiceスコアは96.2％を記録し、より大きな、複雑な肝臓構造においても優れた性能を示した。
• 可視化結果では、ベースラインのU-Net変種と比較して、誤検出および誤検出が減少しており、MIMO-FANは境界の詳細をよりよく保持していた。