[论文解读] Technical Considerations for Semantic Segmentation in MRI using Convolutional Neural Networks

Arjun Desai, Garry E. Gold+2 more|arXiv (Cornell University)|Feb 5, 2019

Osteoarthritis Treatment and Mechanisms参考文献 43被引用 17

一句话总结

本研究调查了网络架构、损失函数以及训练数据特征对3D MRI中基于深度学习的股骨软骨语义分割的影响。结果表明，尽管架构差异带来的准确率提升微乎其微，但选择合适的损失函数并采用逼真的数据增强可显著提升模型的泛化能力，且性能随数据量增加而缓慢提升——约需300至440例患者才能使各类模型的Dice分数达到95%。

ABSTRACT

High-fidelity semantic segmentation of magnetic resonance volumes is critical for estimating tissue morphometry and relaxation parameters in both clinical and research applications. While manual segmentation is accepted as the gold-standard, recent advances in deep learning and convolutional neural networks (CNNs) have shown promise for efficient automatic segmentation of soft tissues. However, due to the stochastic nature of deep learning and the multitude of hyperparameters in training networks, predicting network behavior is challenging. In this paper, we quantify the impact of three factors associated with CNN segmentation performance: network architecture, training loss functions, and training data characteristics. We evaluate the impact of these variations on the segmentation of femoral cartilage and propose potential modifications to CNN architectures and training protocols to train these models with confidence.

研究动机与目标

• 量化网络架构、训练损失函数以及数据特征对3D MRI中基于CNN的股骨软骨语义分割的影响。
• 评估这些因素的变化如何影响不同视野（FOVs）下的分割准确率与泛化能力。
• 通过识别最优的架构与训练协议选择，为医学图像分割中CNN模型的可靠部署提供指导。

提出的方法

• 本研究使用来自88例OAI患者的3D矢状位DESS MRI数据，其股骨软骨掩码由人工勾画。
• 训练并评估了三种U-Net、SegNet和DeepLabV3+架构，采用Dice系数和Hausdorff距离等标准指标。
• 采用三种损失函数进行训练：标准交叉熵、加权交叉熵和软Dice损失，以评估其对误差分布与性能的影响。
• 应用数据增强策略，包括视野（FOV）变化与对比度调节，以评估其对模型泛化能力的影响。
• 在具有不同FOV的测试集上评估性能，以衡量对图像采集差异的敏感性。
• 对性能数据拟合幂律缩放模型，以估算达到目标准确率阈值所需的训练数据量。

实验结果

研究问题

• RQ1 不同CNN架构（U-Net、SegNet、DeepLabV3+）在3D MRI股骨软骨分割中如何影响分割准确率与泛化能力？
• RQ2 在类别不平衡存在的情况下，不同损失函数（交叉熵、加权交叉熵、软Dice）如何影响网络优化与误差分布？
• RQ3 数据增强，特别是视野（FOV）与对比度变化，能在多大程度上提升模型在不同MRI采集参数下的泛化能力？
• RQ4 模型性能如何随训练数据量的增加而变化？达到高准确率（如95% Dice）需要多大的数据量？
• RQ5 通过战略性增强，是否可在牺牲单一测试集绝对性能的代价下提升泛化能力？

主要发现

• 网络架构对整体分割准确率影响极小，无任一架构在所有指标上始终优于其他架构。
• 软Dice损失函数实现了最高的平均Dice系数（0.84）与最低的Hausdorff距离（1.8 mm），表明其性能更优且边界定位更精确。
• 逼真的数据增强（包括FOV与对比度变化）提升了模型的泛化能力，但略微降低了在原始测试集上的绝对性能。
• 性能随数据量增加而缓慢提升，遵循幂律关系，幂指数β < 0.05，表明增加数据带来的收益递减。
• 要实现95%的Dice准确率，DeepLabV3+约需300例患者，U-Net约需350例，SegNet约需440例，表明即使数据有限，高准确率仍可实现。
• 固定输入深度为32层的3D U-Net受限于小批量大小与滤波器数量，提示通过调整输入深度与批量大小进行架构调优可进一步提升性能。