[论文解读] Mixed-Supervised Dual-Network for Medical Image Segmentation

Duo Wang, Ming Li+5 more|arXiv (Cornell University)|Jul 24, 2019

Advanced Neural Network Applications参考文献 18被引用 4

一句话总结

该论文提出混合监督双流网络（MSDN），一种双流架构，通过Squeeze-and-Excitation（sSE）模块联合训练分割网络与检测网络，将弱监督边界框中的知识迁移至密集分割任务，以提升性能。MSDN在肺结节和耳蜗分割任务中优于多个基线模型，尤其在低监督设置下表现更优，展现出混合监督学习下的鲁棒性与稳定性。

ABSTRACT

Deep learning based medical image segmentation models usually require large datasets with high-quality dense segmentations to train, which are very time-consuming and expensive to prepare. One way to tackle this challenge is by using the mixed-supervised learning framework, in which only a part of data is densely annotated with segmentation label and the rest is weakly labeled with bounding boxes. The model is trained jointly in a multi-task learning setting. In this paper, we propose Mixed-Supervised Dual-Network (MSDN), a novel architecture which consists of two separate networks for the detection and segmentation tasks respectively, and a series of connection modules between the layers of the two networks. These connection modules are used to transfer useful information from the auxiliary detection task to help the segmentation task. We propose to use a recent technique called "Squeeze and Excitation" in the connection module to boost the transfer. We conduct experiments on two medical image segmentation datasets. The proposed MSDN model outperforms multiple baselines.

研究动机与目标

• 通过结合密集分割掩码与弱边界框标注的混合监督方式，缓解全标注医学图像数据集的高成本与稀缺性问题。
• 克服现有弱监督方法依赖迭代优化或先验知识的局限性，提升其在临床应用中的可扩展性。
• 提出一种新颖的双网络架构，实现从辅助检测任务到主分割任务的有效知识迁移。
• 通过在跨网络连接中引入注意力机制（sSE），提升低监督条件下分割性能。
• 在两个医学影像数据集上，相比多流与单流基线模型，实现更稳定且优越的性能表现。

提出的方法

• 设计包含独立分割与目标检测流的双流架构，避免共享主干网络，以支持任务特异性优化。
• 在两网络对应层之间引入连接模块，实现检测流到分割流的有用特征迁移。
• 在连接模块中集成二值Squeeze-and-Excitation（sSE）模块，基于通道与空间注意力动态重校准特征图。
• 利用sSE模块突出检测特征中的信息性通道与空间区域，增强其对分割任务的相关性。
• 在多任务学习设置下端到端训练模型，检测头与分割头均采用交叉熵损失与Dice损失。
• 应用数据增强、归一化、Dropout与早停策略，以提升泛化能力并防止过拟合。

实验结果

研究问题

• RQ1 具有独立检测与分割流的双网络架构是否能提升混合监督医学图像分割的性能？
• RQ2 在跨网络连接层中引入Squeeze-and-Excitation模块是否能增强特征迁移效果与分割准确率？
• RQ3 当仅有少量数据被密集标注时，所提出的MSDN模型相较于全监督与弱监督基线模型表现如何？
• RQ4 模型在强标签与弱标签数据比例变化时是否能保持稳定的性能表现？
• RQ5 在跨网络连接中使用二值sSE模块是否能实现优于单值sSE或无注意力机制的特征重校准效果？

主要发现

• 在耳蜗数据集的44-22划分上，MSDN的平均测试Dice分数达到83.58% ± 1.20，优于U-Net（87.91% ± 0.28）与Variant MS-Net（87.54% ± 0.36）在相同划分下的表现。
• 在肺结节数据集的80-80划分上，MSDN的Dice分数达到83.01% ± 0.69，超过U-Net（80.51% ± 0.59）与Variant MS-Net（81.72% ± 1.19）。
• 在低监督设置下（如耳蜗数据集的11-55划分），MSDN的Dice分数保持在85.60% ± 1.76，显著优于U-Net（80.85% ± 0.42）与Variant MS-Net（82.60% ± 1.43）。
• 消融实验中，移除检测流的MSDN-变体性能低于完整MSDN，证实检测流与sSE模块的有效性。
• 在U-Net中添加单值sSE模块可略微提升性能，但效果不及完整MSDN架构，表明双网络结合结构化注意力的优越性。
• 定性结果表明，MSDN生成的分割图比基线模型更精确且更完整，尤其在低对比度的复杂解剖区域表现更优。