Does image resolution impact chest X-ray based fine-grained Tuberculosis-consistent lesion segmentation?

要約

ディープ ラーニング (DL) モデルは、医療画像内の解剖学的および疾患の関心領域 (ROI) をセグメント化する最先端のモデルです。
特に、胸部 X 線 (CXR) を使用した多数の DL ベースの手法が報告されています。
ただし、これらのモデルは、計算リソースの不足に関連する理由から、縮小された画像解像度でトレーニングされると報告されています。
CXR の結核 (TB) 一貫性のある病変をセグメント化するためにこれらのモデルをトレーニングするための最適な画像解像度について議論する文献はまばらです。
この研究では、肺ROIクロッピングとアスペクト比調整の有無にかかわらず、さまざまな画像解像度を使用してInception-V3 UNetモデルを使用してパフォーマンスの変動を調査し、（ii）広範な経験的評価を通じて最適な画像解像度を特定して、結核に一貫した病変を改善しました
セグメンテーションのパフォーマンス。
326 人の正常患者と 336 人の結核患者を含む深セン CXR データセットを研究に使用しました。
モデル スナップショットの保存、セグメンテーションしきい値とテスト時間拡張 (TTA) の最適化、およびスナップショット予測の平均化で構成される組み合わせアプローチを提案し、最適な解像度でパフォーマンスをさらに向上させました。
私たちの実験結果は、より高い画像解像度が必ずしも必要ではないことを示していますが、最適な画像解像度を特定することは、優れたパフォーマンスを達成するために重要です。

要約(オリジナル)

Deep learning (DL) models are state-of-the-art in segmenting anatomical and disease regions of interest (ROIs) in medical images. Particularly, a large number of DL-based techniques have been reported using chest X-rays (CXRs). However, these models are reportedly trained on reduced image resolutions for reasons related to the lack of computational resources. Literature is sparse in discussing the optimal image resolution to train these models for segmenting the Tuberculosis (TB)-consistent lesions in CXRs. In this study, we investigated the performance variations using an Inception-V3 UNet model using various image resolutions with/without lung ROI cropping and aspect ratio adjustments, and (ii) identified the optimal image resolution through extensive empirical evaluations to improve TB-consistent lesion segmentation performance. We used the Shenzhen CXR dataset for the study which includes 326 normal patients and 336 TB patients. We proposed a combinatorial approach consisting of storing model snapshots, optimizing segmentation threshold and test-time augmentation (TTA), and averaging the snapshot predictions, to further improve performance with the optimal resolution. Our experimental results demonstrate that higher image resolutions are not always necessary, however, identifying the optimal image resolution is critical to achieving superior performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google