[論文レビュー] Vertebrae Detection and Localization in CT with Two-Stage CNNs and Dense Annotations

James McCouat, Ben Glocker|arXiv (Cornell University)|Oct 14, 2019

Medical Imaging and Analysis参考文献 11被引用数 4

ひとこと要約

本稿では、CTスキャンにおける椎骨の検出と局所化のための2段階型CNNフレームワークを提案する。初期検出には3次元密度ラベルを、椎骨同定にはL1損失を用いた2次元連続的回帰を用い、解剖的順序を保持する。本手法は、病理的脊椎CTベンチマークにおいて、最先端手法（SOTA）より平均局所化誤差を0.87mm改善した。

ABSTRACT

We propose a new, two-stage approach to the vertebrae centroid detection and localization problem. The first stage detects where the vertebrae appear in the scan using 3D samples, the second identifies the specific vertebrae within that region-of-interest using 2D slices. Our solution utilizes new techniques to improve the accuracy of the algorithm such as a revised approach to dense labelling from sparse centroid annotations and usage of large anisotropic kernels in the base level of a U-net architecture to maximize the receptive field. Our method improves the state-of-the-art's mean localization accuracy by 0.87mm on a publicly available spine CT benchmark.

研究の動機と目的

• 任意の視野（FoV）のCTスキャン、特に欠損や異常な解剖的構造を示す病理的ケースにおける正確な椎骨局所化の課題に対処すること。
• 回帰やスパースラベルに依存する従来手法の改善のため、文脈的理解を高めるために密度ラベルを用いること。
• 短距離および長距離の解剖的文脈を捉えることで、局所化精度を向上させる、軽量で高速な推論手法の開発。
• 離散的分類ではなく連続的回帰を用いて、椎骨の解剖的順序を明示的にモデル化すること。
• カバレッジが限定的でアーチファクトを含む臨床的関連シナリオにおける局所化誤差の低減。

提案手法

• 2段階アプローチ：まず、3次元パッチ（64×64×80）における椎骨体の検出に、大規模な非等方的カーネルを備えた3次元U-Netを用い、クラス不均衡補正付きの重み付きカテゴリカル交差エントロピー損失を適用する。
• 次に、2次元U-Netがピクセルごとに椎骨インデックス（例：C4 = 4）の連続値を予測し、順序を保持するためL1損失を用い、回帰ベースの最適化を可能にする。
• 密度ラベルは、スパースな重心アノテーションから、空間的一致性と脊椎全体のカバー範囲を保証するように改訂された手法により生成される。
• 最終予測は、検出出力と同定出力の要素ごとの乗算により得られ、ピーク位置からの重心集約が行われる。
• 検出モデルは1スキャンあたり5つのランダムな3次元クロップを用い、同定モデルは長距離文脈を捉えるために大規模な2次元スライスを用いる。
• RNNベースのSOTAとは異なり、反復的推論を回避し、1スキャンあたり約40秒の高速推論を達成する。

実験結果

リサーチクエスチョン

• RQ1 密度ラベルを用いた2段階型CNNフレームワークは、回帰ベースや分類ベースの手法よりも局所化精度を向上させることができるか？
• RQ2 連続的回帰（L1損失）を用いて椎骨の順序をモデル化することで、離散的分類よりも優れた局所化が達成できるか？
• RQ3 3次元U-Netにおける非等方的カーネルによる大きな受容 field は、希少または病理的椎骨領域の検出を改善できるか？
• RQ4 本手法の性能は、頸椎、胸椎、腰椎の異なる脊椎領域でどのように変動するか？
• RQ5 明示的な形状事前知識なしに、視野が限定的で重度のアーチファクトを含むスキャンに対しても一般化可能か？

主な発見

• 本手法は、Liaoら[6]のSOTA手法と比較して、平均局所化誤差を0.87mm改善し、全テストセットで平均誤差5.60mmを達成した。
• 真の重心から20mm以内の予測率（Id率）は85.8%であり、Liaoらの88.3%よりわずかに低く、胸椎における耐性のトレードオフを示唆している。
• 頸椎では最も高い性能（平均誤差3.93mm）を示し、この領域でSOTAを上回った。
• 胸椎では平均誤差が最も高く（6.61mm）、T6およびT7が不足している（80および82スキャン）ことから、データの不均衡問題が顕在化した。
• 検出用学習は11時間、同定用学習は7時間で実行され、推論は1スキャンあたり約40秒で完了し、高い効率性を示した。
• 文脈モデリングのおかげで、アーチファクトや欠損した解剖的構造に対しても頑健であるが、胸椎のみが可視で終点が存在しない場合には性能が低下する傾向がある。