[論文レビュー] Sequential Rib Labeling and Segmentation in Chest X-Ray using Mask R-CNN

Jöran Wessel, Mattias P. Heinrich‬+3 more|arXiv (Cornell University)|Aug 22, 2019

COVID-19 diagnosis using AI参考文献 7被引用数 7

ひとこと要約

本論文は、前後径撮影胸部X線画像における連続的リブ検出、セグメンテーション、解剖学的ラベリングを統合的に実行する新規な順次Mask R-CNNフレームワークを提案する。リブ固有のアンカーボックスと、上位リブのセグメンテーションマスクを入力として使用する順次処理スキームを導入することで、検出における平均Diceスコア0.846、セグメンテーションにおける0.733という最先端の性能を達成し、元のMask R-CNNおよびアトラスベース手法を上回った。

ABSTRACT

Mask R-CNN is a state-of-the-art network architecture for the detection and segmentation of object instances in the computer vision domain. In this contribution, it is used to localize, label and segment individual ribs in anterior-posterior chest X-ray images. For this purpose, several extensions have been made to the original architecture, in order to address the specific challenges of this application. This includes the use of rib specific networks, facilitating dedicated anchor boxes sampled from a training set, as well as a sequential processing of all ribs. Here, the segmentation result of the upper neighbor rib is used as additional input to the network. This approach is the first addressing both rib segmentation and anatomical labeling in chest radiographs. The results are comparable or even better than existing methods aiming only at segmentation.

研究の動機と目的

• 胸部X線画像において同時にリブセグメンテーションと解剖学的ラベリングを実行できる手法の不足に応えること。
• 後前径X線に一般的に見られる低コントラスト・高類似性のリブ構造におけるリブ検出およびセグメンテーションの精度を向上させること。
• 品質評価や縦断的画像比較などの臨床的応用を想定し、リアルタイムかつインスタンスレベルのリブ解析を可能にすること。
• レントゲン画像における高解剖学的類似性および重複するシャドウの影響により、リブラベリングが困難になる課題を克服すること。

提案手法

• 特徴抽出のためのバックボーンとしてResNet50と特徴ピラミッドネットワークを用いた、変更を加えたMask R-CNN。
• 通常のリブ位置を最適化したリブ固有のアンカーボックスを、正解バウンディングボックスにMean Shiftアルゴリズムを適用して設計。
• 各リブのネットワークが上位リブのセグメンテーションマスクを追加入力チャネルとして使用する順次処理パイプラインを導入。
• 174枚の画像からなるデータセットにおける汎化性能の向上を図るため、アフィン変換を用いたデータオーグメンテーションを適用。
• X線画像サイズのばらつきに対応し、学習安定性を向上させるために、画像ごとの正解ボックスを正規化。
• リブ2～9用に別々のネットワークを学習し、上位リブのセグメンテーション出力を第3の入力チャネルとして使用することで、局在化精度を向上。

実験結果

リサーチクエスチョン

• RQ1 変更を加えたMask R-CNNアーキテクチャは、胸部X線画像においてリブ検出・セグメンテーション・解剖学的ラベリングを同時に達成できるか？
• RQ2 上位リブのセグメンテーションマスクを入力として組み込むことで、各リブの検出およびセグメンテーション精度が向上するか？
• RQ3 標準的なアンカーセット生成法と比較して、リブ固有のアンカーボックスを用いることで検出性能にどのような差が生じるか？
• RQ4 提案手法は、既存のアトラスベースのリブ検出手法と比較して、精度および速度の両面で優れているか？

主な発見

• 提案手法は、リブ検出で平均Diceスコア0.846、インスタンスセグメンテーションで0.733を達成し、元のMask R-CNNと比較して5%の向上を示した。
• 上位リブのセグメンテーションマスクを順次統合することで、誤検出の顕著な低減と各リブの局在化精度の向上が達成された。
• アトラスベースのリブ検出手法を上回り、正解率0.95、感度0.82、特異度0.98を達成した（ベースラインは0.86、0.75、0.92）。
• リアルタイム推論性能を達成し、臨床ワークフローへの実用的導入が可能となった。
• Mean Shiftクラスタリングを用いて導出したリブ固有のアンカーボックスは、汎用的アンカーセット生成法と比較して局在化精度が向上した。
• 5分割交差検証により、全foldで一貫した性能が確認され、リブ1～9のセグメンテーションDiceスコアは左側0.732±0.207、右側0.734±0.211であった。