[論文レビュー] Bottleneck Supervised U-Net for Pixel-wise Liver and Tumor Segmentation

Song Li, Kwok Fai Tso|arXiv (Cornell University)|Oct 16, 2018

Advanced Neural Network Applications参考文献 32被引用数 14

ひとこと要約

本稿では、CTスキャンにおける正確な肝臓および腫瘍セグメンテーションを目的として、ボトルネック監視U-Net（BS U-Net）を提案する。アノテーションラベルから解剖学的特徴を抽出するエンコーディングU-Netを訓練し、その特徴を重み付き損失（DiceとMSEの組み合わせ）によってセグメンテーションU-Netを監視することで、形状の歪みや誤検出・見逃しを低減し、LiTSデータセットにおいて最先端の性能を達成した。

ABSTRACT

In this paper, we propose a bottleneck supervised (BS) U-Net model for liver and tumor segmentation. Our main contributions are: first, we propose a variation of the original U-Net that incorporates dense modules, inception modules and dilated convolution in the encoding path; second, we propose a bottleneck supervised (BS) U-Net that contains an encoding U-Net and a segmentation U-Net. To train the BS U-Net, the encoding U-Net is first trained to get encodings of the label maps that contain the anatomical information (shape and location). Subsequently, this information is used to guide the training of the segmentation U-Net so as to reserve the anatomical features of the target objects. More specifically, the loss function for segmentation U-Net is set to be the weighted average of the dice loss and the MSE loss between the encodings and the bottleneck feature vectors. The model is applied to a public liver and tumor CT scan dataset. Experimental results show that besides achieving excellent overall segmentation performance, BS U-Net also works great in controlling shape distortion, reducing false positive and false negative cases.

研究の動機と目的

• 形状の歪みや高い誤検出・見逃し率に起因するCT画像における肝臓および腫瘍セグメンテーションの不正確さに対処すること。
• ラベルマップからの解剖学的事前知識を学習プロセスに組み込むことで、セグメンテーション性能を向上させること。
• 特徴学習とセグメンテーションを分離する2段階のディーブラーニングフレームワークを構築し、より良い一般化性能を得ること。
• データオーグメンテーションや手動の後処理に依存するのを減らすために、損失関数に構造的事前知識を直接埋め込むこと。

提案手法

• エンコーディングパスに、密接続モジュール、インセプションモジュール、および拡張畳み込みを統合した変更されたU-Netアーキテクチャを導入し、特徴抽出を強化した。
• 2本のブランチを持つネットワーク構造を提案：まず、ラベルマップに最適化されたエンコーディングU-Netを訓練し、解剖学的特徴を学習した後、セグメンテーションU-Netを訓練する。
• セグメンテーションU-Netは、予測されたボトルネック特徴と事前に訓練されたエンコーディングU-Netの特徴との間のDice損失と平均二乗誤差（MSE）損失を組み合わせたハイブリッド損失関数を用いて訓練された。
• エンコーディングU-Netのボトルネック特徴ベクトルが、セグメンテーション出力における形状および空間的一致性を維持するための監視信号として機能した。
• データ前処理には、クロップ、正方形へのパディング、224×224へのリサイズが含まれ、入力を標準化した。データオーグメンテーションにはランダムスケーリングおよび回転処理が用いられた。
• トレーニングパイプラインでは、コサイン減衰スケジュールを用いた学習率スケジュールと、50エポック、バッチサイズ20を採用し、検証損失に基づく早期停止を実施した。

実験結果

リサーチクエスチョン

• RQ1 ラベルマップエンコーディングからの解剖学的事前知識を組み込むことで、肝臓および腫瘍セグメンテーションの精度向上と形状歪みの低減が可能になるか？
• RQ2 2段階トレーニング戦略（まずエンコーディングU-Netを事前学習し、その後そのボトルネック特徴をセグメンテーションU-Netの監視に用いる）は、標準的なU-Netトレーニングに比べて性能が向上するか？
• RQ3 ハイブリッド損失関数（ボトルネック特徴におけるDice + MSE）は、標準的なDice損失に比べて、誤検出および見逃しの削減にどの程度効果的か？
• RQ4 本手法のBS U-Netは、ベースラインU-Netモデルと比較して、異なるネットワークアーキテクチャおよびデータセットに対してどの程度一般化可能か？
• RQ5 本手法は、広く公開されたベンチマーク（LiTSチャレンジなど）において、広範なデータオーグメンテーションや後処理を伴わずに、優れた性能を達成できるか？

主な発見

• LiTSテストセットにおいて、BS U-NetはケースごとのDice係数（DPC）が0.9610、グローバルDice係数（DG）が0.9640を達成し、元のU-Net（DPC: 0.957, DG: 0.960）を上回った。
• ボリュームオーバーラップ誤差（VOE）は0.075に、相対的ボリューム差（RVD）は0.018にまで低下し、ベースラインモデルと比較して優れた形状保持性を示した。
• 平均表面距離（MSD）は1C BS U-Netで47.217 mmにまで低下し、元のU-Netの61.235 mmと比較して顕著に改善された。これは表面精度の向上を示している。
• BS U-Netは3.831のRSSDを達成し、テストされたすべてのモデルの中で最低水準であり、症例間でのセグメンテーションの一貫性の向上を示した。
• 可視化比較（図7）により、BS U-Netは誤検出および見逃しの少ない滑らかで解剖学的に妥当なセグメンテーションを生成したことが確認された。
• トレーニング損失曲線（図9）では、安定した収束が確認され、BS U-NetのDice損失は徐々に減少し、ボトルネック特徴間のMSE損失も安定した。これにより、特徴の効果的かつ効果的なガイドが実証された。