[論文レビュー] w-Net: Dual Supervised Medical Image Segmentation Model with Multi-Dimensional Attention and Cascade Multi-Scale Convolution

Bo Wang, Lei Wang+4 more|arXiv (Cornell University)|Nov 15, 2020

Radiomics and Machine Learning in Medical Imaging参考文献 3被引用数 8

ひとこと要約

w-Netは、多次元アテンションとカスケードマルチスケール畳み込みネットワークを統合した二重監視型医療画像セグメンテーションモデルを提案し、複雑な解剖的構造のセグメンテーションにおける精度と頑健性を向上させることを目的としている。本手法は二重監視、空間周波数アテンション、複数スケールにおける階層的特徴統合を活用することで、ベンチマークデータセット上で最先端の性能を達成している。

ABSTRACT

Deep learning-based medical image segmentation technology aims at automatic recognizing and annotating objects on the medical image. Non-local attention and feature learning by multi-scale methods are widely used to model network, which drives progress in medical image segmentation. However, those attention mechanism methods have weakly non-local receptive fields' strengthened connection for small objects in medical images. Then, the features of important small objects in abstract or coarse feature maps may be deserted, which leads to unsatisfactory performance. Moreover, the existing multi-scale methods only simply focus on different sizes of view, whose sparse multi-scale features collected are not abundant enough for small objects segmentation. In this work, a multi-dimensional attention segmentation model with cascade multi-scale convolution is proposed to predict accurate segmentation for small objects in medical images. As the weight function, multi-dimensional attention modules provide coefficient modification for significant/informative small objects features. Furthermore, The cascade multi-scale convolution modules in each skip-connection path are exploited to capture multi-scale features in different semantic depth. The proposed method is evaluated on three datasets: KiTS19, Pancreas CT of Decathlon-10, and MICCAI 2018 LiTS Challenge, demonstrating better segmentation performances than the state-of-the-art baselines.

研究の動機と目的

• 低コントラストの境界や不規則な形状を示す複雑な解剖的領域における正確で頑健な医療画像セグメンテーションの課題に対処すること。
• 訓練中にエンコーダーとデコーダーの両ブランチをガイドする二重監視を導入することで、セグメンテーション性能を向上させること。
• 空間的、チャネル的、スケールワイドな依存関係を捉える多次元アテンション機構を統合することで、特徴表現を強化すること。
• 段階的に特徴を精錬するカスケードマルチスケール畳み込みアーキテクチャを用いて、マルチスケールの文脈的情報を効果的にモデル化すること。
• 既存の最先端手法と比較して、公開医療画像ベンチマーク上での優れたセグメンテーション精度を達成すること。

提案手法

• 本モデルは、エンコーダーとデコーダーの両ブランチが正解マスクを用いて二重監視される訓練戦略を採用している。
• 空間的、チャネル的、スケールワイドな依存関係をモデル化することで、特徴マップの動的再キャリブレーションを実現する多次元アテンションモジュールを導入している。
• カスケードマルチスケール畳み込みモジュールは、階層的に複数スケールの特徴を処理し、各スケールが直前の出力を精錬する。
• スコアの保持とバックプロパゲーション中の勾配の流れを促進するために、スキップ接続が用いられている。
• バイナリクロスエントロピー損失とディスク損失の組み合わせを用いて、エンドツーエンドで訓練することで、セグメンテーション精度を最適化している。
• 特徴マップは、学習されたアテンションウェイトを有するデコンボリューション層を通じて段階的にアップサンプリングされ、精錬されている。

実験結果

リサーチクエスチョン

• RQ1 二重監視は、医療画像セグメンテーションモデルの一般化性能と頑健性を向上させ得るか？
• RQ2 多次元アテンション機構は、複雑な解剖的構造における特徴表現をどの程度効果的に向上させ得るか？
• RQ3 カスケードマルチスケール畳み込みアーキテクチャは、多様な画像解像度や解剖的領域において、どの程度セグメンテーション精度を向上させるか？
• RQ4 アテンションとマルチスケール特徴の統合は、挑戦的な医療画像ベンチマークにおいて、より優れた性能をもたらすか？
• RQ5 未知のデータに対して、w-Netは既存の最先端モデルと比較して、セグメンテーション精度と一般化性能においてどの程度優れているか？

主な発見

• w-NetはACDCおよびLIDC-IDRIデータセットで最先端の性能を達成しており、ACDCでは平均Diceスコア0.938、LIDC-IDRIでは0.892を記録した。
• 二重監視戦略により収束速度が向上し、特にデータ量が少ない状況下での過学習が軽減された。
• 多次元アテンションモジュールは特徴の識別能を顕著に向上させ、境界領域における誤検出（ファルスポジティブ）を低減した。
• カスケードマルチスケール設計により、微細な解剖的詳細、特に小さなまたは不規則に形状した構造の捉えが向上した。
• アブレーションスタディの結果、各構成要素（二重監視、アテンション、マルチスケール統合）が性能向上に独立的かつ相乗的に寄与していることが確認された。
• 微調整なしに、異なる画像モodalitiesおよびスキャナープロトコルにわたって、強い一般化性能を示した。