[論文レビュー] Recurrent convolutional neural networks for mandible segmentation from computed tomography

Bingjiang Qiu, Jiapan Guo+5 more|arXiv (Cornell University)|Mar 13, 2020

Dental Radiography and Imaging被引用数 5

ひとこと要約

本論文では、頭頸部CTスキャンにおける下顎のセグメンテーションを改善するために、エンコーダ・デコーダ型セグメンテーションネットワークと再帰構造を統合した再帰的畳み込みニューラルネットワーク（RSegCNN）を提案する。隣接するスライス間の空間的連続性を活用することで、弱いエッジや金属アーチファクトに対しても最先端の性能を達成し、PDDCAデータセットにおいて95.10%のDiceスコアを達成した。

ABSTRACT

Recently, accurate mandible segmentation in CT scans based on deep learning methods has attracted much attention. However, there still exist two major challenges, namely, metal artifacts among mandibles and large variations in shape or size among individuals. To address these two challenges, we propose a recurrent segmentation convolutional neural network (RSegCNN) that embeds segmentation convolutional neural network (SegCNN) into the recurrent neural network (RNN) for robust and accurate segmentation of the mandible. Such a design of the system takes into account the similarity and continuity of the mandible shapes captured in adjacent image slices in CT scans. The RSegCNN infers the mandible information based on the recurrent structure with the embedded encoder-decoder segmentation (SegCNN) components. The recurrent structure guides the system to exploit relevant and important information from adjacent slices, while the SegCNN component focuses on the mandible shapes from a single CT slice. We conducted extensive experiments to evaluate the proposed RSegCNN on two head and neck CT datasets. The experimental results show that the RSegCNN is significantly better than the state-of-the-art models for accurate mandible segmentation.

研究の動機と目的

• 金属アーチファクトや高い解剖学的可変性によって引き起こされる下顎セグメンテーションの不正確さに対処すること。
• 仙骨部や下顎枝部のような弱いまたはぼやけたエッジを示す領域におけるセグメンテーションの耐性を向上させること。
• 画像品質や性能を損なわずに3Dセグメンテーションにおける計算複雑性を低減すること。
• 臨床用3Dバーチャル手術計画に適したエンドツーエンドで自動化された下顎セグメンテーションを可能にすること。
• スライス間の時間的（解剖学的）連続性を活用して、セグメンテーションにおける構造的一致性を向上させること。

提案手法

• 2D U-Net風のエンコーダ・デコーダ型セグメンテーションネットワーク（SegCNN）を再帰的ニューラルネットワーク（RNN）アーキテクチャに統合し、CTスライス間の順序的依存関係をモデル化する。
• RNNを用いて、以前のスライスからの形状および文脈的情報を現在のスライスのセグメンテーションの事前分布として伝達し、構造的一致性を向上させる。
• Dice損失とバイナリクロスエントロピー（BCE）を組み合わせたハイブリッド損失関数を適用し、セグメンテーションの正確性と境界の精密さを最適化する。
• RNNを介して2Dスライスを逐次処理し、過去のスライスからの文脈的情報をエンコードする隠れ状態を維持する。
• 再帰構造を用いて、歯科領域のような低コントラストまたはアーチファクト影響を受ける領域での予測を安定化させる。
• プライベートデータセットの109例の頭頸部CTスキャンとPDDCAの公開データセットの40例を用いて、エンドツーエンドでモデルを学習する。

実験結果

リサーチクエスチョン

• RQ1 標準的な2Dまたは3D CNNと比較して、順序的なCTスライスの再帰的モデリングが下顎セグメンテーションの正確性を向上させるか。
• RQ2 RNNベースのアーキテクチャは、仙骨部や下顎枝部のような弱いまたはぼやけたエッジを示す領域でのセグメンテーションをどの程度向上させるか。
• RQ3 スライス間の形状の一貫性を組み込むことで、歯科領域の金属アーチファクトやノイズへの感受性が低下するか。
• RQ4 3Dボリュームネットワークと比較して、計算複雑性を低減しつつも高い性能を維持できるか。
• RQ5 ベンチマークデータセットにおいて、RSegCNNはSOTA手法と比較してDiceスコア、平均表面距離（ASD）、95%ハウスドルフ距離（95HD）の観点でどの程度優れているか。

主な発見

• RSegCNNはPDDCAデータセットにおいて95.10%（±1.21）のDiceスコアを達成し、表3にリストされたすべてのSOTA手法を上回った。
• 平均表面距離（ASD）は0.1367 mm（±0.0382）であり、大多数のベースラインと比較して顕著に低く、境界の正確性が非常に高いことを示している。
• 95%ハウスドルフ距離（95HD）は1.356 mm（±0.4487）であり、最も極端なセグメンテーション誤差を捉える耐性があることを示している。
• 視覚的検査により、3D手術計画に不可欠な仙骨部や下顎枝部のような挑戦的な領域のセグメンテーションにおいて優れた性能が確認された。
• アブレーションスタディでは、RNNモジュールを削除した場合に性能が顕著に低下したことが確認され、再帰的モデリングの価値が裏付けられた。
• 本手法は低コントラストやアーチファクト影響を受ける領域に対しても優れた一般化性能を示し、臨床的イメージングの一般的な課題に対して耐性があることが示された。