[논문 리뷰] Liver segmentation in CT images using three dimensional to two dimensional fully convolutional network

Shima Rafiei, Ebrahim Nasr-Esfahani외 4명|arXiv (Cornell University)|2018. 02. 21.

Medical Image Segmentation Techniques참고 문헌 3인용 수 8

한 줄 요약

이 논문은 복부 CT 영상에서 빠르고 정확한 간 분할을 위한 3D에서 2D로의 완전 컨volution 네트워크(3D-2D-FCN)를 제안한다. 3D 특징 추출을 바탕으로 한 후 2D 보정 및 경계 최적화를 위한 조건부 무작위 장(CRF)을 활용함으로써, 이 방법은 1분 이내에 93.52의 Dice 스코어를 달성하여 응급 및 임상 적용 분야에서 속도와 정확도를 크게 향상시킨다.

ABSTRACT

The need for CT scan analysis is growing for pre-diagnosis and therapy of abdominal organs. Automatic organ segmentation of abdominal CT scan can help radiologists analyze the scans faster and segment organ images with fewer errors. However, existing methods are not efficient enough to perform the segmentation process for victims of accidents and emergencies situations. In this paper we propose an efficient liver segmentation with our 3D to 2D fully connected network (3D-2D-FCN). The segmented mask is enhanced by means of conditional random field on the organ's border. Consequently, we segment a target liver in less than a minute with Dice score of 93.52.

연구 동기 및 목표

• 복부 CT 영상에서 전진단계 진단 및 치료 계획 수립을 위해 빠르고 정확한 간 분할의 증가하는 수요를 해결하기 위해.
• 응급 및 외상 상황에서 시간이 매우 중요한 상황에서 특히 분할 속도와 정확도를 향상시키기 위해.
• 더 나은 경계 분할을 위해 3D 맥락과 2D 보정을 조합한 방법을 개발하기 위해.
• 기관 가장자리에서 조건부 무작위 장(CRF)을 사용하여 분할 정밀도를 향상시키기 위해.
• 실시간 임상 구현에 적합한 최소한의 추론 시간으로 높은 성능을 달성하기 위해.

제안 방법

• 이 방법은 3D CT 자료에서 체적 특징을 추출하기 위해 3D 완전 컨볼루션 네트워크(3D-FCN)를 활용하여 공간 맥락을 유지한다.
• 다음으로, 축삭 단면에서의 분할을 향상시키기 위해 2D 완전 컨볼루션 네트워크(2D-FCN)를 적용하여 해상도와 세부 사항을 향상시킨다.
• 2D-FCN의 출력은 경계를 보다 정밀하게 다듬고 노이즈를 줄이기 위해 조건부 무작위 장(CRF)을 사용하여 추가 최적화된다.
• 예측된 마스크와 진정 마스크 간의 Dice 유사도를 최대화하는 손실 함수를 사용하여 네트워크를 엔드 투 엔드 방식으로 훈련시킨다.
• 계산적으로 효율적인 아키텍처를 설계하여 표준 하드웨어에서 1분 이내의 추론을 가능하게 한다.
• 정확도와 속도의 균형을 이루기 위해 3D 공간 맥락과 2D 고해상도 보정을 모두 활용한다.

실험 결과

연구 질문

• RQ1 하이브리드 3D에서 2D로의 완전 컨볼루션 네트워크 아키텍처가 기존 방법보다 더 빠르고 정확한 간 분할을 달성할 수 있는가?
• RQ2 조건부 무작위 장(CRF)의 통합이 간 분할의 경계 정밀도 향상에 얼마나 효과적인가?
• RQ3 3D 특징 추출과 2D 보정을 조합함으로써 성능 향상이 이루어지며, 同시에 낮은 추론 시간을 유지할 수 있는가?
• RQ4 제안된 방법이 1분 이내의 추론 시간으로 높은 Dice 스코어를 달성하여 응급 상황에 적합한가?
• RQ5 순수 3D 또는 2D 접근 방식에 비해 3D-2D-FCN는 정확도와 속도 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 3D-2D-FCN는 간 분할 작업에서 93.52의 Dice 스코어를 기록하여 진정 마스크와의 높은 겹침을 나타낸다.
• 이 방법은 1분 이내에 간 분할을 완료하여 높은 계산 효율성을 입증하였다.
• 조건부 무작위 장(CRF)의 통합은 경계 정밀도를 크게 향상시켜 분할 노이즈와 비정상적인 형태를 감소시켰다.
• 3D 맥락과 2D 보정의 조합은 순수 3D 또는 2D 접근 방식에 비해 속도와 정확도 측면에서 모두 뛰어난 성능을 보였다.
• 다양한 복부 CT 영상에서 뛰어난 성능을 보이며, 시간이 중요한 상황에서의 임상 구현에 적합하였다.
• 낮은 추론 시간을 유지하면서도 최신 기술 수준의 성능을 달성하였다.