[논문 리뷰] AFP-Net: Realtime Anchor-Free Polyp Detection in Colonoscopy

Dechun Wang, Ning Zhang외 5명|arXiv (Cornell University)|2019. 09. 05.

Advanced Image and Video Retrieval Techniques참고 문헌 43인용 수 10

한 줄 요약

이 논문은 기능 피라미드와 컨텍스트 강화 모듈을 사용하여 특징 표현을 향상시키고, 새로운 코사인 진짜값 투영 및 가우시안 페널티를 통해 높은 재현율과 정밀도를 유지하는 앵커 없는 실시간 대장내 endoscopy용 폴립 검출 모델인 AFP-Net을 제안한다. 이 방법은 단일 GPU에서 52.6 FPS로 작동하면서도 기존의 앵커 기반 및 앵커 없는 모델들을 능가하는 99.36% 정밀도와 96.44% 재현율을 달성한다.

ABSTRACT

Colorectal cancer (CRC) is a common and lethal disease. Globally, CRC is the third most commonly diagnosed cancer in males and the second in females. For colorectal cancer, the best screening test available is the colonoscopy. During a colonoscopic procedure, a tiny camera at the tip of the endoscope generates a video of the internal mucosa of the colon. The video data are displayed on a monitor for the physician to examine the lining of the entire colon and check for colorectal polyps. Detection and removal of colorectal polyps are associated with a reduction in mortality from colorectal cancer. However, the miss rate of polyp detection during colonoscopy procedure is often high even for very experienced physicians. The reason lies in the high variation of polyp in terms of shape, size, textural, color and illumination. Though challenging, with the great advances in object detection techniques, automated polyp detection still demonstrates a great potential in reducing the false negative rate while maintaining a high precision. In this paper, we propose a novel anchor free polyp detector that can localize polyps without using predefined anchor boxes. To further strengthen the model, we leverage a Context Enhancement Module and Cosine Ground truth Projection. Our approach can respond in real time while achieving state-of-the-art performance with 99.36% precision and 96.44% recall.

연구 동기 및 목표

• 크기, 형태, 색상, 질감의 다양성으로 인해 대장내 endoscopy에서 높은 가짜 음성 비율이 발생하는 문제를 해결하기 위해.
• 수동으로 조정된 앵커 박스에 의존하지 않고도 민감도를 향상시키는 실시간 폴립 검출 시스템을 개발하기 위해.
• 작고 평평하며 저대비 폴립을 정상 점막으로부터 구분하기 어려운 경우의 검출 성능을 향상시키기 위해.
• 앵커 설계 및 하이퍼파라미터 조정이 필요 없이도 검출 정확도를 유지하거나 향상시키기 위해.
• 임상 적용에 적합한 높은 추론 속도를 갖춘 최신 기술 수준의 성능을 달성하기 위해.

제안 방법

• 다양한 수용 영역을 가진 다중 척도 의미 특징을 향상시키기 위해 상향식 업샘플링을 사용하는 기능 피라미드 네트워크를 사용한다.
• 효율적 수용 영역을 확장하고 특징 표현을 향상시키기 위해 컨텍스트 강화 모듈(Central Enhancement Module, CEM)을 도입한다.
• 앵커 박스가 아닌 중심점으로 객체를 국소화함으로써 계산 오버헤드를 줄이는 앵커 없는 검출 헤드를 구현한다.
• 척도 유사성에 기반하여 진짜값을 다중 특징 수준에 할당하는 코사인 진짜값 투영 전략을 도입하여 앵커가 없는 환경에서 재현율을 향상시킨다.
• 손실 계산 시 거리 기반 가우시안 페널티를 적용하여 가짜 양성 결과를 억제하고 국소화 정확도를 향상시킨다.
• 모델는 입력 해상도를 320×320로 설정하여 실시간 추론을 위해 포지티브 손실을 사용하고 SGD로 최적화한다.

실험 결과

연구 질문

• RQ1 앵커 기반 방법과 비교해 볼 때, 앵커 없는 검출 프레임워크가 폴립 검출에서 뛰어난 성능을 달성할 수 있는가?
• RQ2 컨텍스트 모델링과 다중 척도 특징 융합은 대장내 endoscopy 영상에서 작은 폴립과 평평한 폴립의 검출을 어떻게 향상시킬 수 있는가?
• RQ3 코사인 진짜값 투영 전략은 작은 물체에 대한 앵커 없는 검출에서 재현율에 어떤 영향을 미치는가?
• RQ4 앵커 박스를 제거하면 정밀도나 재현율을 희생시키지 않고도 더 빠른 추론 속도를 달성할 수 있는가?
• RQ5 가우시안 페널티와 포지티브 손실이 함께 작용하여 폴립 검출에서 가짜 양성 결과를 어떻게 줄일 수 있는가?

주요 결과

• AFP-Net은 CVC-Clinic 데이터셋에서 99.36% 정밀도와 96.44% 재현율을 달성하여 기존의 앵커 기반 및 앵커 없는 모델들을 능가한다.
• NVIDIA RTX 2080 Ti에서 52.6 FPS로 작동하여 앵커 기반 SSD-베이스라인 대비 약 30%의 속도 향상을 보였다.
• 코사인 진짜값 투영 전략을 제거할 경우 재현율이 크게 감소하여, 이 전략이 앵커 없는 설계에서 핵심적인 역할을 한다는 것을 입증한다.
• 가우시안 페널티를 적용한 경우, 이를 생략한 변형 대비 정밀도는 0.94% 향상되고 재현율은 0.18% 향상되었다.
• 시험된 데이터셋에서 VGG 기반 백본이 ResNet 기반 변형들보다 검출 성능에서 뛰어나다는 것이 확인되었다.
• 모델는 평평한 폴립이나 주름 구조를 가진 점막과 같은 어려운 케이스에도 잘 일반화되지만, 질감이 유사한 영역에서는 일부 가짜 양성 및 가짜 음성이 존재한다.