[论文解读] Multi-level Context Gating of Embedded Collective Knowledge for Medical Image Segmentation

Maryam Asadi-Aghbolaghi, Reza Azad+2 more|arXiv (Cornell University)|Mar 10, 2020

AI in cancer detection参考文献 40被引用 19

一句话总结

本文提出 MCGU-Net，一种用于医学图像分割的增强型 U-Net 架构，通过引入多层级双向 ConvLSTM 实现非线性跳跃连接，采用 Squeeze-and-Excitation (SE) 模块进行通道级特征重校准，并在编码器路径中应用密集卷积以提升特征复用与表征能力。该模型在六个医学图像分割基准测试中达到最先进性能，包括 DRIVE、ISIC 2017/2018 和 PH²，Dice 和 IoU 分数均有显著提升。

ABSTRACT

Medical image segmentation has been very challenging due to the large variation of anatomy across different cases. Recent advances in deep learning frameworks have exhibited faster and more accurate performance in image segmentation. Among the existing networks, U-Net has been successfully applied on medical image segmentation. In this paper, we propose an extension of U-Net for medical image segmentation, in which we take full advantages of U-Net, Squeeze and Excitation (SE) block, bi-directional ConvLSTM (BConvLSTM), and the mechanism of dense convolutions. (I) We improve the segmentation performance by utilizing SE modules within the U-Net, with a minor effect on model complexity. These blocks adaptively recalibrate the channel-wise feature responses by utilizing a self-gating mechanism of the global information embedding of the feature maps. (II) To strengthen feature propagation and encourage feature reuse, we use densely connected convolutions in the last convolutional layer of the encoding path. (III) Instead of a simple concatenation in the skip connection of U-Net, we employ BConvLSTM in all levels of the network to combine the feature maps extracted from the corresponding encoding path and the previous decoding up-convolutional layer in a non-linear way. The proposed model is evaluated on six datasets DRIVE, ISIC 2017 and 2018, lung segmentation, $PH^2$, and cell nuclei segmentation, achieving state-of-the-art performance.

研究动机与目标

• 为解决医学图像分割中高解剖变异性和噪声数据的挑战。
• 通过整合上下文感知注意力机制与密集特征复用，改进 U-Net 中的特征表征能力。
• 通过基于 BConvLSTM 的非线性门控融合，超越简单拼接方式，增强跳跃连接。
• 通过高效架构改进，在计算开销极小的前提下提升模型性能。
• 在多样化的医学影像任务中验证所提组件的有效性。

提出的方法

• 在解码路径中集成 Squeeze-and-Excitation (SE) 模块，利用全局上下文自适应重校准通道级特征响应。
• 在所有跳跃连接中采用双向 ConvLSTM (BConvLSTM)，非线性融合高分辨率编码特征与语义解码特征。
• 在编码器最后一层应用密集卷积块，通过直接跳跃连接促进特征复用并实现更深层的梯度流动。
• 在每个上采样卷积层后使用批量归一化 (BN)，以加速收敛并减少泛化误差。
• 在编码器路径中采用基于 VGG 的主干网络，以支持使用 ImageNet 预训练权重的迁移学习。
• 将所有组件整合为统一的 MCGU-Net 架构，在保持空间分辨率的同时增强语义理解能力。

实验结果

研究问题

• RQ1 BConvLSTM 是否能在 U-Net 跳跃连接中实现超越简单拼接的特征融合？
• RQ2 SE 模块的引入是否通过聚焦于信息量丰富的通道来增强特征表征？
• RQ3 编码器路径中引入密集卷积是否能提升特征复用与模型表达能力？
• RQ4 这些架构改进在多样化医学影像任务中对分割精度的提升程度如何？
• RQ5 所提出的 MCGU-Net 在基准数据集上与最先进方法相比表现如何？

主要发现

• MCGU-Net 在编码器中使用 3 个密集块时，在 ISIC 2018 数据集上达到最高的 Dice 分数 0.9306，优于基线 U-Net 及其他最先进方法。
• 引入 SE 模块使 ISIC 2018 上的 Dice 分数提升约 0.0011，定性对比显示分割掩膜更清晰、更精确。
• 基于 BConvLSTM 的跳跃连接减少了边界误差，提升了细粒度分割效果，ISIC 2018 的可视化对比结果证实了这一点。
• 批量归一化使训练速度提升约 2 倍，收敛更快且泛化误差更低。
• 该模型在所有六个评估数据集中均达到最先进性能，包括 DRIVE（Dice: 0.9295）、PH²（Dice: 0.9771）和肺部分割（Dice: 0.9884）。
• 消融实验确认，BConvLSTM、SE 模块和密集块每个组件均逐步提升性能，完整模型达到最优结果。