[论文解读] DoubleU-Net: A Deep Convolutional Neural Network for Medical Image Segmentation

Debesh Jha, Michael A. Riegler+3 more|arXiv (Cornell University)|Jun 8, 2020

Radiomics and Machine Learning in Medical Imaging被引用 16

一句话总结

本文提出DoubleU-Net，一种用于医学图像分割的深度卷积神经网络，通过堆叠两个U-Net架构，并结合预训练的VGG-19编码器与空洞空间金字塔池化（ASPP），以增强特征学习。该方法在四个多样化的医学影像数据集上实现了最先进性能，尤其在小而扁平的息肉等困难病例上显著优于U-Net，Dice相似系数（DSC）提升最高达47.29%。

ABSTRACT

Semantic image segmentation is the process of labeling each pixel of an image with its corresponding class. An encoder-decoder based approach, like U-Net and its variants, is a popular strategy for solving medical image segmentation tasks. To improve the performance of U-Net on various segmentation tasks, we propose a novel architecture called DoubleU-Net, which is a combination of two U-Net architectures stacked on top of each other. The first U-Net uses a pre-trained VGG-19 as the encoder, which has already learned features from ImageNet and can be transferred to another task easily. To capture more semantic information efficiently, we added another U-Net at the bottom. We also adopt Atrous Spatial Pyramid Pooling (ASPP) to capture contextual information within the network. We have evaluated DoubleU-Net using four medical segmentation datasets, covering various imaging modalities such as colonoscopy, dermoscopy, and microscopy. Experiments on the MICCAI 2015 segmentation challenge, the CVC-ClinicDB, the 2018 Data Science Bowl challenge, and the Lesion boundary segmentation datasets demonstrate that the DoubleU-Net outperforms U-Net and the baseline models. Moreover, DoubleU-Net produces more accurate segmentation masks, especially in the case of the CVC-ClinicDB and MICCAI 2015 segmentation challenge datasets, which have challenging images such as smaller and flat polyps. These results show the improvement over the existing U-Net model. The encouraging results, produced on various medical image segmentation datasets, show that DoubleU-Net can be used as a strong baseline for both medical image segmentation and cross-dataset evaluation testing to measure the generalizability of Deep Learning (DL) models.

研究动机与目标

• 解决医学图像分割中训练数据标注有限及图像质量低下的挑战。
• 提升U-Net在多种医学影像模态下的泛化能力与鲁棒性。
• 为跨数据集评估提供更准确、更可靠的基线模型。
• 探索在低数据环境下使用ImageNet预训练模型进行迁移学习的有效性。
• 通过ASPP实现上下文建模，结合多个U-Net架构以增强特征表示。

提出的方法

• DoubleU-Net按顺序堆叠两个U-Net架构，首个U-Net使用预训练的VGG-19作为编码器以实现迁移学习。
• 在底部增加第二个U-Net以捕捉更深层、更具语义性的特征，从而提升表征学习能力。
• 集成空洞空间金字塔池化（ASPP）以捕获网络内的多尺度上下文信息。
• 在两个U-Net分支中均使用跳跃连接，以保留空间细节并提高分割精度。
• 采用交叉熵损失结合焦点损失进行端到端训练，以应对类别不平衡问题；推理阶段通过Otsu阈值化进行后处理。
• 该架构设计灵活，可集成额外模块（如挤压-激励模块）以实现特征重校准。

实验结果

研究问题

• RQ1 堆叠两个U-Net架构是否能提升在具有挑战性的医学图像分割任务中的性能？
• RQ2 集成预训练的VGG-19编码器是否能增强在低数据医学分割场景下的特征学习与泛化能力？
• RQ3 DoubleU-Net在多种医学影像数据集上与U-Net及其他最先进模型相比表现如何？
• RQ4 ASPP的使用在复杂医学图像中对上下文建模与分割精度的提升程度如何？
• RQ5 DoubleU-Net能否作为医学图像分割中跨数据集评估的稳健且通用的基线模型？

主要发现

• 在2015年MICCAI息肉自动检测子挑战赛中，DoubleU-Net相较U-Net在Dice相似系数（DSC）上实现了47.29%的提升，达到DSC 0.7649。
• 在CVC-ClinicDB数据集中，DoubleU-Net将DSC从U-Net的0.8781提升至0.9239，相对提升4.58%，展现出在结肠镜图像上的强大性能。
• 在2018年Data Science Bowl细胞核分割挑战中，DoubleU-Net取得DSC 0.9133，优于U-Net（0.7573）与UNet++（0.8974），相对提升达15.60%。
• 在ISIC-2018病灶边界分割挑战中，DoubleU-Net取得DSC 0.8962，显示出在皮肤镜图像上的优异表现。
• 定性结果表明，DoubleU-Net生成的分割掩码更精确、更细致，尤其在小而扁平的息肉上表现突出。
• 跨数据集泛化测试显示，DoubleU-Net显著优于从零开始训练的U-Net，尤其在ETIS-Larib数据集上表现更优，表明其具备更强的鲁棒性与可迁移性。