[論文レビュー] ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New Model

Yuhui Ma, Huaying Hao+6 more|arXiv (Cornell University)|Jul 10, 2020

Retinal Imaging and Analysis参考文献 58被引用数 14

ひとこと要約

本論文は、中心線またはピクセルレベルで手動でアノテートされた229枚のOCT-A画像を備えた、公開可能な最初の網膜OCT-アンギオグラフィー血管セグメンテーションデータセットROSEを紹介するとともに、太い血管および細い血管の両方のセグメンテーションを向上させるスプリットベースの粗いから細かい段階への深層学習フレームワークOCTA-Netを提案する。この手法はROSEにおいて最先端の性能を達成し、微小毛細管の検出において顕著な向上が見られ、アルツハイマー病患者と健常対照群との間で有意に異なるフラクタル次元が得られた。

ABSTRACT

Optical Coherence Tomography Angiography (OCT-A) is a non-invasive imaging technique, and has been increasingly used to image the retinal vasculature at capillary level resolution. However, automated segmentation of retinal vessels in OCT-A has been under-studied due to various challenges such as low capillary visibility and high vessel complexity, despite its significance in understanding many eye-related diseases. In addition, there is no publicly available OCT-A dataset with manually graded vessels for training and validation. To address these issues, for the first time in the field of retinal image analysis we construct a dedicated Retinal OCT-A SEgmentation dataset (ROSE), which consists of 229 OCT-A images with vessel annotations at either centerline-level or pixel level. This dataset has been released for public access to assist researchers in the community in undertaking research in related topics. Secondly, we propose a novel Split-based Coarse-to-Fine vessel segmentation network (SCF-Net), with the ability to detect thick and thin vessels separately. In the SCF-Net, a split-based coarse segmentation (SCS) module is first introduced to produce a preliminary confidence map of vessels, and a split-based refinement (SRN) module is then used to optimize the shape/contour of the retinal microvasculature. Thirdly, we perform a thorough evaluation of the state-of-the-art vessel segmentation models and our SCF-Net on the proposed ROSE dataset. The experimental results demonstrate that our SCF-Net yields better vessel segmentation performance in OCT-A than both traditional methods and other deep learning methods.

研究の動機と目的

• エキスパートによるアノテーションを伴う、公開可能で高品質なOCT-A血管セグメンテーションデータセットの不足に対処すること。
• ノイズが多く、視認性が低いOCT-A画像において、太い血管および細い血管を正確にセグメンテーションできる深層学習モデルの開発。
• アルツハイマー病などの神経変性疾患の非侵襲的バイオマーカーとして、網膜微小血管解析の可能性を調査すること。
• 標準化された、コミュニティがアクセス可能なデータセットと評価プロトコルを用いたOCTAにおける血管セグメンテーションのベンチマークを確立すること。

提案手法

• ROSEデータセットは、2台の異なる装置から得られた229枚のOCT-A画像を用い、エキスパートのグレーダーが中心線またはピクセルレベルで手動でアノテートした。
• スプリットベースの粗いセグメンテーション（SCS）モジュールは、ResNeStバックボーンを用いて血管構造の初期信頼度マップを生成するように設計された。
• スプリットベースの洗練されたセグメンテーション（SRS）モジュールは、元の画像と粗いセグメンテーション出力を統合することで、血管の輪郭の正確性を向上させる。
• 2段階のOCTA-Netフレームワークは、粗い段階と細かい段階を統合し、細い毛細管の検出を向上させるとともに、構造の忠実性を保持する。
• フラクタル次元（FD）分析は、ボックスカウント法を用いて、セグメンテーションされた微小血管に対して実施され、血管の複雑さを定量化した。
• SVC、DVC、およびSVC+DVC層におけるFD値を用いて、健常対照群とアルツハイマー病患者との間でStudentのt検定を実施した。

実験結果

リサーチクエスチョン

• RQ1 公開可能で新しいOCT-A血管セグメンテーションデータセットは、網膜画像におけるセグメンテーションアルゴリズムのベンチマーク化と再現性向上に顕著な寄与を果たすか？
• RQ2 スプリットベースの粗いから細かい段階への深層学習フレームワークは、既存の最先端手法に比べ、OCT-A画像における網膜微小血管のセグメンテーションで優れた性能を示すか？
• RQ3 アルツハイマー病を有する被験者と健常対照群との間で、網膜微小血管のフラクタル次元に有意な差が認められるか？
• RQ4 網膜微小血管の自動セグメンテーションは、神経変性疾患の早期発見のための信頼できるバイオマーカーとして機能できるか？

主な発見

• 提案されたOCTA-Netは、ROSEデータセットにおいて、従来の手法および深層学習ベースの最先端手法に比べ優れたセグメンテーション性能を示し、特に微小毛細管の検出において顕著な向上を示した。
• モデルは定量的指標において顕著な改善を示した。ペアドt検定により、特に細い血管の分野で性能向上が統計的に有意であることが確認された。
• フラクタル次元分析の結果、アルツハイマー病患者はすべての3つの血管層（SVC：p = 0.004、DVC：p = 0.028、SVC+DVC：p = 0.007）において健常対照群に比べ有意に低いFD値を示した。
• すべての血管層におけるFD差の統計的有意性は、網膜微小血管解析が神経変性疾患の研究に非侵襲的ツールとして有用である可能性を裏付けた。
• 高品質なアノテーションと多様な画像取得源を備えたROSEデータセットは、今後の網膜血管セグメンテーションおよび疾患バイオマーカー探索研究の強固な基盤を提供する。