[論文レビュー] CNN-based approach for glaucoma diagnosis using transfer learning and LBP-based data augmentation

Shishir Maheshwari, Vivek Kanhangad+1 more|arXiv (Cornell University)|Feb 19, 2020

Retinal Imaging and Analysis被引用数 13

ひとこと要約

本論文では、AlexNetを用いた転移学習と、網膜後極部画像におけるLBPベースのデータ拡張を用いたCNNベースの緑内障診断システムを提案する。R、G、BチャンネルからのLBP特徴量を用いて訓練データを拡張し、予測結果を意思決定レベルで統合することで、RIM-ONEデータセットにおいて98.90%の正確性、100%の感受性、97.50%の特異性を達成し、既存の手法を上回った。

ABSTRACT

Glaucoma causes an irreversible damage to retinal nerve fibers which results in vision loss, if undetected in early stage. Therefore, diagnosis of glaucoma in its early stage may prevent further vision loss. In this paper, we propose a convolutional neural network (CNN) based approach for automated glaucoma diagnosis by employing retinal fundus images. This approach employs transfer learning technique and local binary pattern (LBP) based data augmentation. In the proposed approach, we employ Alexnet as a pre-trained CNN model which is used for transfer learning. Initially, the proposed approach divides the fundus image dataset into training and testing data. Further, the color fundus images in training and testing data are separated into red (R), green (G), and blue (B) channels. Additionally, the LBP-based data augmentation is performed on training data. Specifically, we compute LPBs for each of the channel. Finally, the augmented training data is used to train the CNN model via transfer learning. In testing stage, the R, G, and B channels of test image are fed to the trained CNN model which generates 3 decisions. We employ a decision level fusion technique to combine the decisions obtained from the trained CNN model. The experimental evaluation of the proposed approach on the public RIM-ONE fundus image database, achieves state-of-the-art performance for glaucoma diagnosis.

研究の動機と目的

• 大規模スクリーニングにおける臨床医の負担を軽減するため、ディープラーニングを用いた自動的で正確かつ効率的な緑内障診断システムの開発。
• 手動による特徴抽出に依存し、特徴量-分類器の組み合わせに敏感である従来のCADシステムの限界を克服すること。
• 網膜画像の訓練データにLBPベースのデータ拡張を適用することで、小規模なデータセットにおける汎化性能を向上させ、過学習を低減すること。
• 学習から再訓練を避け、計算コストを削減するために、事前に学習済みのAlexNetモデルを用いた転移学習を活用すること。

提案手法

• 本手法は、網膜後極部画像を用いた二値の緑内障分類タスクにおいて、事前に学習済みのAlexNetモデルを微調整することで、転移学習を実装する。
• 後極部画像は訓練集合とテスト集合に分割され、各画像はR、G、Bの色空間チャンネルに別れて処理される。
• 訓練集合に対して、R、G、BチャンネルごとにLBP特徴量を計算することで、LBPベースのデータ拡張が適用され、訓練データの多様性が向上する。
• 拡張された訓練データを用いてCNNモデルを再学習し、最終層を二値分類に適合させる。
• 推論段階では、テスト画像のR、G、Bチャンネルを個別に訓練済みモデルに入力し、3つの個別な予測結果を生成する。
• 意思決定レベルの統合戦略により、3つの予測結果を統合し、最終診断を出力することで、モデルの頑健性と性能が向上する。

実験結果

リサーチクエスチョン

• RQ1 限定的な後極部画像データを用いて、事前に学習済みのCNNモデルを用いた転移学習が、高い診断性能を達成できるか？
• RQ2 LBPベースのデータ拡張は、緑内障診断におけるCNNモデルの汎化性能をどのように向上させるか？
• RQ3 色チャンネルからの予測を意思決定レベルで統合することで、単一チャンネルや早期統合手法と比較して分類精度が向上するか？
• RQ4 学習されたCNN表現におけるLBP特徴量と非LBP特徴量の間で、クラス間の区別能（inter-class discrimination）はどのように比較されるか？

主な発見

• 提案手法は、RIM-ONE後極部画像データベースにおいて98.90%の正確性、100%の感受性、97.50%の特異性を達成し、既存手法を上回った。
• LBPベースのデータ拡張は、特徴埋め込みのt-SNE可視化におけるクラス間分離度の向上によって、モデルの汎化性能が著しく向上したことが裏付けられた。
• 除去実験（アブレーションスタディ）により、LBP拡張を削除すると性能が低下することが確認され、モデルの頑健性向上におけるその重要性が示された。
• AlexNetを用いた転移学習の活用により、トレーニング時間とハードウェア要件が削減された一方で、最先端の性能を維持した。
• t-SNE可視化から、特にconv5、fc6、fc7層で学習されたLBP特徴量は、非LBP特徴量と比較して、より強いクラス間分離を示した。
• R、G、Bチャンネルからの予測を意思決定レベルで統合することで、単独でチャンネルを使用する場合よりも優れた結果が得られた。