[論文レビュー] PraNet: Parallel Reverse Attention Network for Polyp Segmentation

Deng-Ping Fan, Ge-Peng Ji+5 more|arXiv (Cornell University)|Jun 13, 2020

Advanced Image and Video Retrieval Techniques参考文献 38被引用数 109

ひとこと要約

PraNetは並列部分デコーダと逆注意モジュールを導入し、結腸鏡画像でリアルタイムかつ高精度のポリップ分割を実現し、データセット間の一般化を改善します。

ABSTRACT

Colonoscopy is an effective technique for detecting colorectal polyps, which are highly related to colorectal cancer. In clinical practice, segmenting polyps from colonoscopy images is of great importance since it provides valuable information for diagnosis and surgery. However, accurate polyp segmentation is a challenging task, for two major reasons: (i) the same type of polyps has a diversity of size, color and texture; and (ii) the boundary between a polyp and its surrounding mucosa is not sharp. To address these challenges, we propose a parallel reverse attention network (PraNet) for accurate polyp segmentation in colonoscopy images. Specifically, we first aggregate the features in high-level layers using a parallel partial decoder (PPD). Based on the combined feature, we then generate a global map as the initial guidance area for the following components. In addition, we mine the boundary cues using a reverse attention (RA) module, which is able to establish the relationship between areas and boundary cues. Thanks to the recurrent cooperation mechanism between areas and boundaries, our PraNet is capable of calibrating any misaligned predictions, improving the segmentation accuracy. Quantitative and qualitative evaluations on five challenging datasets across six metrics show that our PraNet improves the segmentation accuracy significantly, and presents a number of advantages in terms of generalizability, and real-time segmentation efficiency.

研究の動機と目的

• 大腸癌検診を支援するための自動的かつ正確なポリップ分割の動機づけ。
• ポリップ内部の大きな出現バリエーションとぼやけたポリップ境界の問題に対処する。
• リアルタイムの内視鏡動画に適した高速で一般化可能なネットワークを開発する。
• 新しいアーキテクチャ要素を通じて領域と境界の手がかりを活用し、精度を向上させる。

提案手法

• 高レベル特徴を統合してグローバルなポリップマップを生成するために、並列部分デコーダ（PPD）を用いる。
• 推定されたポリップ領域を消去して境界の手がかりを段階的に抽出し、予測を refining する。
• グローバルおよびサイド出力マップに適用される重み付きIoUと重み付きBCEから成る結合損失で訓練する。
• 訓練を安定化させエンドツーエンド学習を可能にするために、複数の出力に深い監視を採用する。
• 352x352入力でリアルタイム性能 (~50 fps)を維持する。

実験結果

リサーチクエスチョン

• RQ1 並列デコーディング戦略はポリップ分割の高レベル特徴の統合を改善できるか？
• RQ2 逆注意機構は以前の予測を消去することで境界を効果的に refine できるか？
• RQ3 PraNetは多様なポリップデータセットに対して高精度でリアルタイム推論を実現できるか？
• RQ4 PPDとRAは学習速度と分割品質をどのように相互作用して改善するか？

主な発見

手法	平均 Dice	平均 IoU	Fβ^w	Sα	Eφ^max	MAE
Kvasir U-Net (MICCAI’15)	0.818	0.746	0.794	0.858	0.893	0.055
Kvasir U-Net++ (TMI’19)	0.821	0.743	0.808	0.862	0.910	0.048
Kvasir ResUNet-mod †	0.791	n/a	n/a	n/a	n/a	n/a
Kvasir ResUNet++ †	0.813	0.793	n/a	n/a	n/a	n/a
Kvasir SFA (MICCAI’19) [10]	0.723	0.611	0.670	0.782	0.849	0.075
Kvasir PraNet (Ours)	0.898	0.840	0.885	0.915	0.948	0.030
CVC-612 U-Net (MICCAI’15)	0.823	0.755	0.811	0.889	0.954	0.019
CVC-612 U-Net++ (TMI’19)	0.794	0.729	0.785	0.873	0.931	0.022
CVC-612 SFA (MICCAI’19) [10]	0.700	0.607	0.647	0.793	0.885	0.042
CVC-612 PraNet (Ours)	0.899	0.849	0.896	0.936	0.979	0.009

• PraNetは5つのデータセットと複数の指標で最先端手法を上回る。
• Kvasirでは、PraNetはMean Dice 0.898、Mean IoU 0.840を達成。
• CVC-612では、PraNetはMean Dice 0.899、Mean IoU 0.849を達成。
• PraNetは未知データセットへの強い一般化を示し、ベースラインを顕著に上回る。
• 352x352入力で推論速度はリアルタイムの約50 fps、学習収束は約20エポック（約0.5時間）。
• アブレーションでは、PPDとRAが性能に加法的に寄与し、完全な組み合わせ（PPD+RA+Backbone）が最良の結果を示した。