[论文解读] Colorectal Polyp Segmentation by U-Net with Dilation Convolution

Xinzi Sun, Pengfei Zhang+3 more|arXiv (Cornell University)|Dec 26, 2019

Colorectal Cancer Screening and Detection参考文献 34被引用 5

一句话总结

本文提出了一种基于U-Net的深度学习框架，采用空洞卷积以实现结肠镜图像中结直肠息肉的精确分割。通过在编码器中用空洞卷积替代下采样操作，并采用一种简化且参数高效的解码器，在上采样后并行连接多尺度特征，该模型在CVC-ClinicDB和ETIS-Larib Polyp DB数据集上实现了最先进性能，Dice分数分别为88.73%和80.00%。

ABSTRACT

Colorectal cancer (CRC) is one of the most commonly diagnosed cancers and a leading cause of cancer deaths in the United States. Colorectal polyps that grow on the intima of the colon or rectum is an important precursor for CRC. Currently, the most common way for colorectal polyp detection and precancerous pathology is the colonoscopy. Therefore, accurate colorectal polyp segmentation during the colonoscopy procedure has great clinical significance in CRC early detection and prevention. In this paper, we propose a novel end-to-end deep learning framework for the colorectal polyp segmentation. The model we design consists of an encoder to extract multi-scale semantic features and a decoder to expand the feature maps to a polyp segmentation map. We improve the feature representation ability of the encoder by introducing the dilated convolution to learn high-level semantic features without resolution reduction. We further design a simplified decoder which combines multi-scale semantic features with fewer parameters than the traditional architecture. Furthermore, we apply three post processing techniques on the output segmentation map to improve colorectal polyp detection performance. Our method achieves state-of-the-art results on CVC-ClinicDB and ETIS-Larib Polyp DB.

研究动机与目标

• 提高结肠镜图像中结直肠息肉分割的准确性，以支持早期癌症检测。
• 解决标准U-Net架构中因最大池化和下采样导致的定位能力差与分辨率损失问题。
• 通过在编码器中用空洞卷积替代下采样操作，增强特征表示能力，同时不降低空间分辨率。
• 通过采用双线性插值和并行特征连接的简化解码器结构，降低模型复杂度并提升推理速度。
• 通过后处理技术优化最终输出掩码，进一步提升分割性能。

提出的方法

• 编码器采用改进的ResNet-50主干网络，其最后一层块使用空洞卷积，以在扩展感受野的同时保持空间分辨率，支持高层特征学习。
• 解码器使用双线性插值将来自编码器不同阶段的多尺度特征图上采样至原始图像尺寸，随后并行连接这些特征，而非标准U-Net中的顺序跳跃连接。
• 模型融合编码器最后四个阶段的特征图（排除第一阶段，因其感受野步长为s=2），原因是训练集中缺乏小型息肉。
• 后处理包括形态学操作和掩码优化技术，以提升最终分割输出的精确率、召回率和F1分数。
• 网络采用端到端训练，结合二元交叉熵损失与Dice损失，以优化分割性能。
• 消融实验验证了空洞卷积、新型解码器结构以及编码器主干网络选择的贡献。

实验结果

研究问题

• RQ1 在U-Net编码器中用空洞卷积替代下采样操作，是否能在不损失空间分辨率的前提下提升息肉分割的准确性？
• RQ2 一种在并行方式下连接上采样多尺度特征的简化解码器，是否优于标准U-Net中采用顺序跳跃连接的解码器？
• RQ3 与标准U-Net编码器相比，使用ResNet-50等更深主干网络并结合空洞卷积，对分割性能有何影响？
• RQ4 后处理技术在精确率、召回率和F1分数方面，对最终分割质量的提升程度如何？
• RQ5 该模型在CVC-ClinicDB和ETIS-Larib Polyp DB等不同息肉数据集上是否具备鲁棒性与泛化能力？

主要发现

• 所提模型在CVC-ClinicDB数据集上取得88.73%的Dice系数，优于以往最先进方法。
• 在ETIS-Larib Polyp DB数据集上，模型取得80.00%的Dice分数，展现出强大的鲁棒性与泛化能力。
• 消融实验表明，新型解码器结构使Dice分数提升1.66%，同时模型大小从28.995MB减少至25.632MB。
• 将标准卷积替换为空洞卷积，使Dice分数提升3.26%，精确率提升2.85%，F1分数提升1.89%。
• 使用ResNet-50作为编码器主干网络显著提升了性能，若替换为标准U-Net编码器，Dice分数将下降7.69%。
• 后处理技术有效提升了精确率、召回率和F1分数，证实其在优化分割掩码方面的有效性。