[論文レビュー] Stack-U-Net: Refinement Network for Image Segmentation on the Example of Optic Disc and Cup

Artem Sevastopolsky, Stepan Drapak+4 more|arXiv (Cornell University)|Apr 30, 2018

Retinal Imaging and Analysis被引用数 25

ひとこと要約

本稿では、網膜画像における視神経乳頭および視杯のセグメンテーションのための、U-Netに基づく精錬ネットワークの級列構造であるStack-U-Netを提案する。単一のU-Netや最先端手法よりも顕著に高いセグメンテーション精度を達成しており、より大きなデータセットを必要としない。モデルはスキップ接続と入力画像の文脈を用いて予測を段階的に精錬し、公的および私的データセットで最先端の性能を達成しており、視神経乳頭のDiceスコアは最大0.97、視杯は0.85に達する。

ABSTRACT

In this work, we propose a special cascade network for image segmentation, which is based on the U-Net networks as building blocks and the idea of the iterative refinement. The model was mainly applied to achieve higher recognition quality for the task of finding borders of the optic disc and cup, which are relevant to the presence of glaucoma. Compared to a single U-Net and the state-of-the-art methods for the investigated tasks, very high segmentation quality has been achieved without a need for increasing the volume of datasets. Our experiments include comparison with the best-known methods on publicly available databases DRIONS-DB, RIM-ONE v.3, DRISHTI-GS, and evaluation on a private data set collected in collaboration with University of California San Francisco Medical School. The analysis of the architecture details is presented, and it is argued that the model can be employed for a broad scope of image segmentation problems of similar nature.

研究の動機と目的

• 網膜後極画像における視神経乳頭および視杯のセグメンテーション精度を向上させ、早期の緑内障検出を目的とする。
• 医療画像セグメンテーションにおける限られたトレーニングデータと高い精度要件の課題に対処することを目的とする。
• データセットサイズを増加させることなく、セグメンテーション品質を向上させるスケーラブルでエンドツーエンドの精錬アーキテクチャを開発することを目的とする。
• UCSF医学校から提供された大規模な私的データセットを含め、公的ベンチマークおよび私的データセットにおけるモデルの性能を評価することを目的とする。

提案手法

• モデルはU-Netブロックの級列構造を用い、各後続ネットワークが前の出力を精錬するとともに、元の入力画像を文脈として受ける。
• スタック内の各基本ネットワークには、入力画像から最初の層へのスキップ接続が含まれており、空間的および意味的文脈を保持する。
• 一部のバリアントでは残差ブロックを採用（ResU-Net）し、勾配の流れと特徴学習を改善する。
• 精錬プロセスは反復的である：予測が段階的に精錬され、各ブロックがより詳細な特徴を学習する。
• モデルはエンドツーエンドで訓練され、バイナリクロスエントロピー損失とDice損失が使用され、最適化にはAdamが用いられる。
• ブロック数は性能と計算コストのバランスを取るために調整され、15ブロックが最適であると判明した。

実験結果

リサーチクエスチョン

• RQ1 U-Netに基づくネットワークの級列構造は、視神経乳頭や視杯のような小規模で臨床的に重要な構造のセグメンテーション精度を向上させることができるか？
• RQ2 入力画像の文脈を用いた反復的精錬は、小規模な医療データセットにおいて過学習を低減し、より頑健な性能を実現するか？
• RQ3 スタックされたU-Netブロックの数は、視神経乳頭および視杯のセグメンテーションにおける性能と一般化能力にどのように影響するか？
• RQ4 提案されたStack-U-Netアーキテクチャは、追加のトレーニングデータを必要とせずに、単一のU-Netや最先端手法を上回る性能を発揮できるか？
• RQ5 各ブロックの最初の層への入力画像からのスキップ接続は、セグメンテーション品質にどのような影響を及ぼすか？

主な発見

• 15個のResU-Netブロックを用いたStack-U-Netは、DRISHTI-GSデータセットにおいて視神経乳頭セグメンテーションでDiceスコア0.97を達成し、すべてのベースラインを上回った。
• RIM-ONE v.3データセットでは、視杯セグメンテーションでDiceスコア0.95を達成し、先行する最先端手法を上回った。
• 私的UCSF-DBデータセットでは、視杯セグメンテーションでDiceスコア0.85を達成し、人間のアノテーター（平均人間対人間Dice：0.66）を上回った。
• 15ブロックのモデルが最良の性能を示し、15ブロックを超えて増加させても結果の向上が見られず、むしろ性能が低下する可能性があることがわかった。
• 各ブロックの最初の層への入力画像からのスキップ接続は、性能をわずかだが一貫して向上させたが、1つの設定ではその欠如がわずかに結果を改善した。
• 可視化分析の結果、最良の性能を示したモデルは、単一のU-Netや先行手法よりも、低コントラストまたはぼやけた領域のような挑戦的ケースをより頑健に処理していた。