[論文レビュー] Few-shot brain segmentation from weakly labeled data with deep heteroscedastic multi-task networks

Richard McKinley, Michael Rebsamen+4 more|arXiv (Cornell University)|Apr 4, 2019

Brain Tumor Detection and Classification参考文献 17被引用数 6

ひとこと要約

本稿では、ABCDS研究から得たわずか9例の弱いラベル付きT1強調MRIスキャンのみを用いて、アレアトリック不確実性をモデル化するためのディープな非定規多タスクネットワークを活用した少数ショット脳画像セグメンテーション手法を提案する。新規のラベルフリップ不確実性ネットワークは、ボクセルごとの誤ラベル確率を学習し、平均Diceスコア0.87±0.11を達成した。これは標準ネットワークや先行の非定規多タスク手法を著しく上回り、学習されたラベルスムージングによる不確実性推定が、最小限でノイズの多い訓練データでも性能向上をもたらすことを示している。

ABSTRACT

In applications of supervised learning applied to medical image segmentation, the need for large amounts of labeled data typically goes unquestioned. In particular, in the case of brain anatomy segmentation, hundreds or thousands of weakly-labeled volumes are often used as training data. In this paper, we first observe that for many brain structures, a small number of training examples, (n=9), weakly labeled using Freesurfer 6.0, plus simple data augmentation, suffice as training data to achieve high performance, achieving an overall mean Dice coefficient of $0.84 \pm 0.12$ compared to Freesurfer over 28 brain structures in T1-weighted images of $\approx 4000$ 9-10 year-olds from the Adolescent Brain Cognitive Development study. We then examine two varieties of heteroscedastic network as a method for improving classification results. An existing proposal by Kendall and Gal, which uses Monte-Carlo inference to learn to predict the variance of each prediction, yields an overall mean Dice of $0.85 \pm 0.14$ and showed statistically significant improvements over 25 brain structures. Meanwhile a novel heteroscedastic network which directly learns the probability that an example has been mislabeled yielded an overall mean Dice of $0.87 \pm 0.11$ and showed statistically significant improvements over all but one of the brain structures considered. The loss function associated to this network can be interpreted as performing a form of learned label smoothing, where labels are only smoothed where they are judged to be uncertain.

研究の動機と目的

• 大規模なアノテート済みデータセットが必須であるという仮定に挑戦し、わずか数例の弱いラベル付きMRIスキャンでの高精度な脳セグメンテーションが可能かどうかを検証すること。
• 訓練データが限られ、ラベルがノイズを含む状況下で、非定規多タスク不確実性モデリング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。
• ボクセルごとのラベル誤分類確率を推定する新規の非定規多タスクネットワークを導入し、学習されたラベルスムージングを実現すること。
• 少サンプル、弱い教師付き設定下で、標準ネットワーク、予測分散ネットワーク、および提案されたラベルフリップ不確実性ネットワークの性能を比較すること。

提案手法

• ABCDS研究の9例の弱いラベル付きT1強調MRIボリュームを用い、Freesurfer 6.0によるセグメンテーションを補助ラベルとして用いて、深層マルチタスクU-Netアーキテクチャを学習する。
• 非定規多タスクの2つのバリエーションを導入：1つは予測分散を推定するためにモンテカルロドロップアウトを用い、もう1つはボクセルごとのラベル不一致確率（ラベルフリップ確率）を予測する新規手法。
• ラベルフリップ不確実性ネットワークは、予測された誤ラベル確率が高くなるボクセルの損失を弱める仕組みにより、不確実またはノイズの多いラベルを効果的に軽減することで、学習されたラベルスムージングを実現する。
• 損失関数には、重度のクラス不均衡に対処するためのファクター損失（γ=2）と、予測された不確実性に基づいて勾配の流れを調整する不確実性対応損失項を組み合わせる。
• データ増強には、中央線を軸とした反転、ランダム回転、強度スケーリングを適用し、最小限のデータでも一般化性能を向上させる。
• 推論には、 coronal（冠状）、 sagittal（矢状）、 axial（横断）方向の3次元アンサンブル平均を用い、最終的なセグメンテーションを生成するためにログィットを平均化する。

実験結果

リサーチクエスチョン

• RQ1 手動アノテーションなしで、わずか9例の弱いラベル付き訓練例での高精度な脳セグメンテーションが達成可能か？
• RQ2 少数ショット、弱い教師付き設定下で、非定規多タスクネットワークによるアレアトリック不確実性モデリングがセグメンテーション性能を向上させるか？
• RQ3 新規の不確実性ヘッド（ラベル誤分類確率＝ラベルフリップ確率を予測）が、標準的な予測分散推定よりも優れた性能を発揮するか？
• RQ4 不確実性が高い領域でのみラベルをスムージングする「学習されたラベルスムージング」が、一様スムージングやスムージングなしの手法よりも、ノイズに起因する誤差を低減するのに有効であるか？

主な発見

• 標準ネットワークは28の脳構造で平均Dice係数0.84±0.12を達成し、160,000サンプルで最適値に達した後、過学習により低下した。
• 予測分散非定規多タスクネットワークは平均Dice係数0.85±0.14を達成し、28の脳構造のうち25つで標準ネットワークよりも統計的に有意に優れた性能を示した（p<10⁻⁶）。
• 提案されたラベルフリップ非定規多タスクネットワークは最高の性能を示し、平均Dice係数0.87±0.11を達成。標準ネットワークおよび予測分散モデルと比較して、27の構造で有意に優れた性能を示した（p<10⁻⁶）。
• ラベルフリップモデルは優れた訓練安定性を示し、アキュムベントスや第3脳室など難易度の高い構造を含む全脳領域で、早期の性能低下なしに高い性能を維持した。
• 誤ラベル確率が高くなるボクセルを特定するラベルフリップマップは、セグメンテーション出力の品質指標としての可能性を示している。
• 予備的な結果から、適切に選択されたケースを用いたワンショット学習が可能である可能性が示唆され、少サンプル学習の医療画像分野への応用拡張が期待される。