[論文レビュー] Whole-body tumor segmentation of 18F -FDG PET/CT using a cascaded and ensembled convolutional neural networks

Ludovic Sibille, Xinrui Zhan+1 more|arXiv (Cornell University)|Oct 14, 2022

Medical Imaging Techniques and Applications被引用数 4

ひとこと要約

本研究では、6mm解像度の初期セグメンテーションに続くリーマンスベースのリファイナを用いた粗いから細かいアプローチを採用し、18F-FDG PET/CTスキャンにおける全臓器腫瘍セグメンテーションを目的とした、段階的かつアンサンブル化された3次元畳み込みニューラルネットワークを提案する。この手法は84例のテストケースでDICEスコア0.68を達成し、自動測定と手動測定の間で代謝腫瘍体積（MTV）に強く相関（R² = 0.969）することが示された。

ABSTRACT

Background: A crucial initial processing step for quantitative PET/CT analysis is the segmentation of tumor lesions enabling accurate feature ex-traction, tumor characterization, oncologic staging, and image-based therapy response assessment. Manual lesion segmentation is however associated with enormous effort and cost and is thus infeasible in clinical routine. Goal: The goal of this study was to report the performance of a deep neural network designed to automatically segment regions suspected of cancer in whole-body 18F-FDG PET/CT images in the context of the AutoPET challenge. Method: A cascaded approach was developed where a stacked ensemble of 3D UNET CNN processed the PET/CT images at a fixed 6mm resolution. A refiner network composed of residual layers enhanced the 6mm segmentation mask to the original resolution. Results: 930 cases were used to train the model. 50% were histologically proven cancer patients and 50% were healthy controls. We obtained a dice=0.68 on 84 stratified test cases. Manual and automatic Metabolic Tumor Volume (MTV) were highly correlated (R2 = 0.969,Slope = 0.947). Inference time was 89.7 seconds on average. Conclusion: The proposed algorithm accurately segmented regions suspicious for cancer in whole-body 18F -FDG PET/CT images.

研究の動機と目的

• 手動セグメンテーションの限界を克服するため、18F-FDG PET/CTスキャンにおける全臓器腫瘍セグメンテーションの自動化を目的としたディープラーニング手法の開発。
• 正常組織および腫瘍におけるFDG取り込みパターンの高いばらつき、低アビジティ病変およびアーティファクトの問題に対処する。
• アンサンブル学習と解像度の精錬を組み合わせた段階的アーキテクチャにより、セグメンテーションの正確性と頑健性を向上させる。
• 多様な病変タイプおよび患者集団に対応しながらも、臨床的に実用的な推論速度を達成する。

提案手法

• 段階的な2段階フレームワークを採用：まず、固定6mm等方解像度でPET/CT画像を処理する4つのカスタマイズされた3D U-Netモデルのスタックアンサンブルが、粗いセグメンテーションマスクを生成した。
• アンサンブルモデルでは、長距離相関を捉えるためにボトルネック部に大きなカーネルサイズ（9³）を用い、Leaky ReLU活性化関数とインスタンス正則化を採用した。
• 元解像度の画像と6mmセグメンテーションマスクを入力として用い、空間的正確性を向上させるためにリーマンスベースのリファイナーネットワークを訓練した。
• データ拡張にはランダムな反転、アフィン変換に加え、PET特有の拡張（ぼんやり、明るさ、コントラスト、ガンマ）を実施し、リファイナに対して追加のランダム間隔を適用して解像度に依存しない性質を確保した。
• トレーニングはDICE損失と交差エントロピー損失の組み合わせを用い、深層監視と勾配クリッピングによりトレーニングの安定性を向上させた。
• 後処理には連結成分解析と特徴量集約を実施したが、LSTM/GRUなどの系列モデルは性能向上が限定的であったため、最終的に除外した。

実験結果

リサーチクエスチョン

• RQ1 段階的かつアンサンブル化された3次元CNNアーキテクチャは、低アビジティ病変や散在性病変を含め、多様なFDG-PET/CT像にわたる頑健な全臓器腫瘍セグメンテーションを達成できるか？
• RQ2 同じアーキテクチャを持つ複数の3D U-Netモデルをアンサンブル平均化することで、セグメンテーションの安定性と性能がどのように向上するか？
• RQ3 粗い6mm予測から元解像度に回復する際、解像度精錬ネットワークがセグメンテーション正確性をどの程度向上させるか？
• RQ4 異なる損失関数およびデータ拡張戦略が、病変のばらつきに対するモデルの一般化能力および頑健性にどのように影響するか？
• RQ5 自動セグメンテーション手法は、代謝腫瘍体積（MTV）推定において、手動で描画された結果と高い一致を示せるか？

主な発見

• 最終的なアンサンブルモデルは、84例のストラティファイドテストケースでDICEスコア0.6823を達成し、前景病変を有するケースではDICEが0.6823であった。
• 自動および手動セグメンテーションによる代謝腫瘍体積（MTV）の相関は極めて高く、R² = 0.969、スロープ = 0.947であった。
• アンサンブルモデルでは、誤検出体積が11.59 mL（ボクセル単位）、誤検出体積が19.59 mLにまで低減され、感度と特異度のバランスが良好であることが示された。
• リファイナを含む全パイプラインは、1台のV100 GPUで1例あたり平均89.7秒を要したが、推論速度の最適化は行われなかった。
• 本モデルは、褐色脂肪組織、腸管、腎臓などの正常な生理的取り込みパターンや、低アビジティ病変および大きな病変を含む病理的変異に対しても頑健であることが示された。
• DICE損失と交差エントロピー損失の併用に加え、深層監視と勾配クリッピングの導入により、トレーニングの安定性と最終的な性能が顕著に向上した。