[论文解读] Automated GI tract segmentation using deep learning

Manhar Sharma|arXiv (Cornell University)|Jun 22, 2022

Radiomics and Machine Learning in Medical Imaging被引用 7

一句话总结

本研究提出了一种基于深度学习的语义分割框架，采用U-Net结构并结合多种主干网络，用于自动分割MRI扫描中的胃肠道（GI）器官，使用EfficientNet-B3主干网络实现了85.3%的平均交并比（IoU）得分。该方法采用混合损失函数，结合二元交叉熵与Tversky损失，实现了对胃、大肠和小肠的精确、快速且可靠的勾画，从而提升放疗计划的准确性。

ABSTRACT

The job of Radiation oncologists is to deliver x-ray beams pointed toward the tumor and at the same time avoid the stomach and intestines. With MR-Linacs (magnetic resonance imaging and linear accelerator systems), oncologists can visualize the position of the tumor and allow for precise dose according to tumor cell presence which can vary from day to day. The current job of outlining the position of the stomach and intestines to adjust the X-ray beams direction for the dose delivery to the tumor while avoiding the organs. This is a time-consuming and labor-intensive process that can easily prolong treatments from 15 minutes to an hour a day unless deep learning methods can automate the segmentation process. This paper discusses an automated segmentation process using deep learning to make this process faster and allow more patients to get effective treatment.

研究动机与目标

• 自动化放疗中胃肠道器官（胃、大肠、小肠）在MRI扫描中的耗时手动分割过程。
• 评估不同U-Net编码器（ResNet、EfficientNet、VGG16、MobileNet、EfficientNet）在胃肠道器官分割中的性能表现。
• 识别在低数据量医学影像场景下，实现高精度语义分割的最优损失函数组合与主干网络架构。
• 建立胃肠道器官分割的新型基准，支持更快速、更可扩展的癌症治疗计划制定。

提出的方法

• 采用编码器-解码器结构的U-Net架构，其中编码器提取特征，解码器重建分割掩码。
• 输入图像通过零填充或裁剪调整为288×288大小，以保持解剖完整性，避免因缩放导致的失真。
• 评估了多种预训练主干网络（EfficientNet-B3、ResNet34/50、VGG16、MobileNetV2），以确定其对分割性能的影响。
• 采用混合损失函数，结合二元交叉熵（BCE）与Tversky损失（0.4×Tversky + 0.6×BCE），以提升分割精度，尤其适用于类别不平衡的器官掩码。
• 模型训练采用Adam优化器，学习率采用余弦退火调度，批量大小为32，训练80个周期。
• 后处理步骤包括应用Sigmoid激活函数，随后在0.5处进行阈值化，将原始输出转换为二值掩码。

实验结果

研究问题

• RQ1 哪种U-Net主干网络架构在MRI扫描中对胃肠道器官的分割准确度最高？
• RQ2 BCE与Tversky损失的组合在胃肠道器官分割的IoU性能方面，相较于其他损失函数表现如何？
• RQ3 在低数据量医学影像设置下，数据增强技术（如弹性形变、旋转）是否显著提升模型泛化能力？
• RQ4 考虑到胃肠道数据集规模有限且类别不平衡，模型是否能在无需大量数据增强的情况下实现高性能？
• RQ5 在分割小而紧密相邻的胃肠道器官时，何种损失函数配置能最优平衡精确率与召回率？

主要发现

• 当与BCE + Tversky损失函数结合时，EfficientNet-B3主干网络实现了最高的平均IoU得分85.3%。
• BCE + Tversky损失函数优于IoU + Tversky和仅IoU损失，表明其在类别不平衡分割任务中具有更优的优化性能。
• EfficientNet-B1虽为更小的主干网络，仍实现了85.0%的IoU，表明在效率与精度之间存在有利权衡。
• 尽管VGG16是性能最差的主干网络，但在最优损失函数下仍实现了82.7%的IoU，显示出基线鲁棒性。
• 数据增强技术（如弹性形变、平移-缩放-旋转）对模型性能无明显影响，表明模型已具备良好正则化能力。
• 模型在所有三类器官（胃、大肠、小肠）上均表现出一致性能，未出现显著的类别特异性性能下降。