[論文レビュー] Unsupervised Wasserstein Distance Guided Domain Adaptation for 3D Multi-Domain Liver Segmentation

Chenyu You, Junlin Yang+2 more|arXiv (Cornell University)|Sep 6, 2020

COVID-19 diagnosis using AI参考文献 10被引用数 8

ひとこと要約

本稿では、Wasserstein距離を用いた分離表現学習を用いて、非ペairedなCTおよびMRIデータから3次元の教師なしドメイン変換手法を提案する。3次元畳み込みニューラルネットワーク（3D CNN）、コンテンツ識別器、サイクル整合性を活用することで、ドメインに依存しないコンテンツ特徴を学習し、CTで0.904、MRIで0.883の平均Diceスコアを達成し、最先端の性能を発揮する。

ABSTRACT

Deep neural networks have shown exceptional learning capability and generalizability in the source domain when massive labeled data is provided. However, the well-trained models often fail in the target domain due to the domain shift. Unsupervised domain adaptation aims to improve network performance when applying robust models trained on medical images from source domains to a new target domain. In this work, we present an approach based on the Wasserstein distance guided disentangled representation to achieve 3D multi-domain liver segmentation. Concretely, we embed images onto a shared content space capturing shared feature-level information across domains and domain-specific appearance spaces. The existing mutual information-based representation learning approaches often fail to capture complete representations in multi-domain medical imaging tasks. To mitigate these issues, we utilize Wasserstein distance to learn more complete representation, and introduces a content discriminator to further facilitate the representation disentanglement. Experiments demonstrate that our method outperforms the state-of-the-art on the multi-modality liver segmentation task.

研究の動機と目的

• ターゲットドメインにラベル付きデータが利用できない状況下で、3次元マルチモodalリーバー画像セグメンテーションにおけるドメインシフトを解消すること。
• 多様な医療画像モodal間で完全な表現を捉えることが難しい、相互情報に基づく手法の限界を克服すること。
• 非ペアなCTおよびマルチフェーズMRIの間で、分離可能でドメインに依存しないコンテンツ表現を学習することで、ディープラーニングモデルの一般化性能を向上させること。
• 2次元近似に依存するのではなく、3次元畳み込みニューラルネットワークを用いてボリュメトリックなコンテキストを統合することで、3次元空間的特徴学習を強化すること。
• モダリティに依存しないコンテンツ特徴を強制するコンテンツ識別器を導入し、セグメンテーションに向けた解剖学的構造情報の保持を図ること。

提案手法

• ボリュメトリック医療画像におけるz方向の空間的依存関係を捉えるために、3次元畳み込みニューラルネットワーク（3D CNN）を用いたアーキテクチャを採用する。
• ドメインに依存しないコンテンツ特徴とモダリティ固有の外観特性を分離するため、別々のコンテンツエンコーダーとスタイルエンコーダーを用いる。
• コンテンツ空間におけるドメイン差を最小化するために、Wasserstein GAN（WGAN）損失を適用し、特徴分布の整合性を向上させる。
• コンテンツレベルの表現がモダリティ固有の情報を含まないことを保証するため、コンテンツ識別器を導入する。
• 画像間変換中に構造的一致性を維持するため、サイクル整合性損失を用いてドメイン間のサイクル整合性を強制する。
• アノテーションなしのターゲットドメイン画像においても、頑健なセグメンテーションを可能にするために、分離済みのコンテンツ特徴上にセグメンテーションヘッド（SegModule）を訓練する。

実験結果

リサーチクエスチョン

• RQ1 従来のGAN損失と比較して、Wasserstein距離学習は、マルチモーダル3次元医療画像セグメンテーションにおける分離表現の質を向上させるか？
• RQ2 ペアのない学習データを用いてCTからマルチフェーズMRIにドメイン変換する際、提案手法3D-WDGDA cはドメインシフトをどれほど効果的に低減できるか？
• RQ3 コンテンツ識別器の導入により、3次元医療画像における解剖学的コンテンツとモダリティ固有の外観が、どの程度良好に分離されるか？
• RQ4 2次元ベースのドメイン適応手法と比較して、3次元ボリュメトリック特徴学習は、セグメンテーション性能をどの程度向上させるか？
• RQ5 マルチフェーズMRIシーケンスのような複雑なマルチモーダルターゲットドメインに適用した場合、本手法はどの程度の耐性を示すか？

主な発見

• 提案手法3D-WDGDA cは、CTで0.904、MRIで0.883の平均Diceスコアを達成し、ベースラインのDenseNetおよびDADR手法を顕著に上回る。
• マルチモーダルターゲットドメイン評価において、3D-WDGDA cはCT→MRIで0.834、MRI→CTで0.807のDiceスコアを達成し、複雑な画像コントラスト間での頑健性を示す。
• CTで0.831、MRIで0.802のJaccardスコアを達成し、予測結果と正解ラベルとの間で強い重複を示している。
• 図3の定性的な結果から、3D-WDGDA cはDADRおよびCycleGANと比較して、より解剖学的に妥当なコンテンツのみの画像を生成しており、肝臓構造の保持が優れている。
• アブレーションスタディの結果、コンテンツ識別器とWasserstein損失が併用されることで、特徴の分離性とセグメンテーション性能が共に向上することが確認された。
• マルチフェーズMRIをターゲットドメインとしてテストしても、Diceスコアが0.881を維持するなど、複雑なマルチモーダルデータへの一般化性能が優れている。