[论文解读] ConvNeXtv2 Fusion with Mask R-CNN for Automatic Region Based Coronary Artery Stenosis Detection for Disease Diagnosis

Sandesh Pokhrel, Sanjay Bhandari+3 more|arXiv (Cornell University)|Oct 7, 2023

Coronary Interventions and Diagnostics被引用 4

一句话总结

该论文提出了一种基于ConvNeXt-V2主干网络的Mask R-CNN模型，用于在X射线冠状动脉造影中自动进行病变狭窄的实例分割，通过自监督预训练和置信度阈值化方法减少假阳性结果。该方法在ARCADE数据集上取得了0.5353的F1分数，优于先前的模型，包括ResNet和YOLO架构。

ABSTRACT

Coronary Artery Diseases although preventable are one of the leading cause of mortality worldwide. Due to the onerous nature of diagnosis, tackling CADs has proved challenging. This study addresses the automation of resource-intensive and time-consuming process of manually detecting stenotic lesions in coronary arteries in X-ray coronary angiography images. To overcome this challenge, we employ a specialized Convnext-V2 backbone based Mask RCNN model pre-trained for instance segmentation tasks. Our empirical findings affirm that the proposed model exhibits commendable performance in identifying stenotic lesions. Notably, our approach achieves a substantial F1 score of 0.5353 in this demanding task, underscoring its effectiveness in streamlining this intensive process.

研究动机与目标

• 实现X射线造影中冠状动脉狭窄手动检测的自动化，以减少耗时且主观的检测过程。
• 通过在Mask R-CNN框架中用ConvNeXt-V2替换传统主干网络，提高分割精度和一致性。
• 通过自监督预训练和基于置信度分数的后处理方法提升性能，以减少假阳性结果。
• 评估模型在临床造影图像中不同视角和图像质量条件下的鲁棒性。

提出的方法

• 采用带有ConvNeXt-V2主干网络的Mask R-CNN架构，该主干网络在ImageNet上预训练，并在ARCADE数据集上微调，用于实例分割。
• 在主干网络中引入全局响应归一化（GRN），以抑制冗余激活并增强特征多样性。
• 利用掩码自编码（MAE）预训练方法，改善医学影像中的特征学习，提升在低资源数据上的泛化能力。
• 在NMS后应用置信度分数阈值化方法，过滤低置信度预测，以减少假阳性结果。
• 通过使用MS-COCO预训练权重初始化模型，而非Xavier初始化，实现迁移学习。
• 通过消融研究比较单任务（狭窄检测）和多任务（血管分割 + 狭窄检测）训练的性能差异。

实验结果

研究问题

• RQ1 与基于ResNet的模型相比，ConvNeXt-V2主干网络是否能提升冠状动脉狭窄检测的实例分割性能？
• RQ2 在低资源医学影像场景中，通过掩码自编码进行自监督预训练是否能增强特征表示？
• RQ3 置信度分数阈值化在减少狭窄检测中的假阳性结果方面有何影响？
• RQ4 与单任务微调相比，联合训练血管分割和狭窄检测是否会降低性能？
• RQ5 在NMS阶段，何种IOU阈值能最大化F1分数，从而实现最优检测性能？

主要发现

• ConvNeXt-V2 Mask R-CNN在ARCADE测试集上取得了0.5353的F1分数，显著优于ResNet-101（0.4170）和YOLOv8（0.2318）。
• 与Xavier初始化相比，使用MS-COCO预训练使F1分数提升了0.10，证实了从通用分割任务迁移学习的优势。
• 在NMS阶段，IOU阈值为0.95时模型达到最优性能，表明边界框非极大值抑制具有高精度。
• 仅在狭窄检测任务上进行单任务训练的模型获得了0.186的seg-MAP，优于多任务模型（0.109），表明存在任务干扰现象。
• 定性结果显示，该模型在不同视角和图像对比度下均表现出良好的泛化能力，能准确检测狭窄区域。
• 消融研究证实，ConvNeXt-V2的GRN层可增强特征表示，从而提升分割性能。