[論文レビュー] Detection and segmentation of the Left Ventricle in Cardiac MRI using Deep Learning

Alexandre Attia, Sharone Dayan|arXiv (Cornell University)|Jan 7, 2018

Advanced Neural Network Applications参考文献 2被引用数 3

ひとこと要約

本論文は、心筋マヒスキャンにおける自動的左室（LV）セグメンテーションのための3段階のディープラーニングフレームワークを提案する。まず、畳み込みニューラルネットワーク（CNN）を用いて左室領域の注目領域（ROI）を局所化し、次にスタックドオートエンコーダーを用いてLVの形状を推定し、最後に変形可能なモデル（スネークス）を用いてセグメンテーションを精緻化することで、正確な輪郭予測を実現する。本手法は、CNNによる局所化とオートエンコーダーからの形状事前知識、およびアクティブな輪郭の精緻化を組み合わせることで、アーキテクチャの変更（例：深層ネットワークや全MSE損失）を施した場合、ベースラインモデルを上回るセグメンテーション精度を達成する。

ABSTRACT

Manual segmentation of the Left Ventricle (LV) is a tedious and meticulous task that can vary depending on the patient, the Magnetic Resonance Images (MRI) cuts and the experts. Still today, we consider manual delineation done by experts as being the ground truth for cardiac diagnosticians. Thus, we are reviewing the paper - written by Avendi and al. - who presents a combined approach with Convolutional Neural Networks, Stacked Auto-Encoders and Deformable Models, to try and automate the segmentation while performing more accurately. Furthermore, we have implemented parts of the paper (around three quarts) and experimented both the original method and slightly modified versions when changing the architecture and the parameters.

研究の動機と目的

• 心筋マヒスキャンにおける左室（LV）セグメンテーションの手作業による時間のかかる作業と変動を自動化すること。
• エキスパート依存の正解をデータ駆動型で再現可能な方法に置き換えることで、LVの輪郭付けにおける観察者間・観察者内ばらつきを低減すること。
• CNNによる領域局所化、オートエンコーダーによる形状推定、変形可能なモデルによる精緻化を組み合わせたハイブリッドディープラーニング手法を考案し、セグメンテーション精度を向上させること。
• Avendiらの手法の元のアーキテクチャとハイパーパramータを、実装とアブレーションスタディを通じて評価・検証すること。
• ネットワークの深さ、活性化関数、プーリングタイプ、損失関数などのアーキテクチャ的選択が、セグメンテーション性能に与える影響を評価すること。

提案手法

• 256×256のMRI画像から左室領域の注目領域（ROI）を特定するため、11×11フィルタを用いた1層の畳み込み層、平均プーリング、および全結合層を持つCNNを用いて二値マスクを生成する。
• ROIは100×100ピクセルにクロップされ、複数層を持つスタックドオートエンコーダーに供給され、LV形状のコン pact で階層的な表現を学習し、推定された形状マスクを出力する。
• 推定された形状マスクは、収縮、漏れ、不規則性の是正を目的としたアクティブな輪郭モデル（スネークス）を用いて精緻化され、滑らかで正確なLV輪郭が得られる。
• スタックドオートエンコーダーは、教師なし事前学習段階で平均二乗誤差（MSE）、L2正則化、およびカルバック・ライブラー（KL）ダイバージェンスを組み合わせたカスタム損失関数を用い、教師あり微調整段階では最終的にMSE損失を適用する。
• 本手法は3段階のパイプラインを採用する：(1) CNNによるROI検出、(2) スタックドオートエンコーダーによる形状推定、(3) 変形可能なモデルによる輪郭精緻化。
• CNNおよびオートエンコーダーの両方に対してハイパーパramータのアブレーションを実施し、ネットワークの深さ、フィルタ数、活性化関数（ReLU）、プーリングタイプ（マックス対平均）、および損失関数の変更（例：全MSE損失）を含む。

実験結果

リサーチクエスチョン

• RQ1 限られた学習データで、CNNベースのアプローチが心筋マヒスキャンにおける左室の局所化を効果的に行えるか？
• RQ2 カスタム損失を用いたスタックドオートエンコーダーの性能は、標準的なMSEのみの損失関数に比べて、ROI特徴量からのLV形状再構成において優れているか？
• RQ3 変形可能なモデル（スネークス）を組み込むことで、生のオートエンコーダー出力に比べてセグメンテーション精度が顕著に向上するか？
• RQ4 ネットワークの深さ、ReLU活性化関数、またはマックスプーリングなどのアーキテクチャ的変更が、本フレームワークのセグメンテーション性能にどの程度向上効果をもたらすか？
• RQ5 スタックドオートエンコーダーの重みをゼロ初期化することが最適であるか、それとも他の初期化法（正規分布または一様分布）がより優れた結果をもたらすか？

主な発見

• 元の1層モデルと比較して、2層の畳み込み層を持つより深いCNNアーキテクチャは、セグメンテーション性能にわずかだが測定可能な向上をもたらした。
• CNNにおけるReLU活性化関数とマックスプーリングの導入は、元のモデル（平均プーリングとシグモイドに類似した活性化関数）と比較して性能向上をもたらさなかった。これはハイパーパラメータ選択に対する感受性を示唆している。
• 元のスタックドオートエンコーダー損失関数（MSE、L2正則化、KLダイバージェンスの組み合わせ）は、全MSE損失よりも優れた結果をもたらしたが、後者はより滑らかな輪郭を生成した。
• バリデーションセットにおいて、重みのゼロ初期化が正規分布および一様分布の初期化を上回る性能を示し、重み初期化戦略が性能に顕著な影響を及ぼすことが示された。
• アクティブな輪郭モデル（スネークス）の使用により、輪郭の滑らかさと正解との整合性が顕著に向上し、収縮や漏れのアーチファクトが低減された。
• より深いCNNと全MSE損失を組み合わせた変更版モデルが最も期待される結果を示し、アーキテクチャ的および損失関数の変更が、元の手法の強力なベースラインを上回るセグメンテーション精度を向上させられることを示した。