Single-Image-Based Deep Learning for Segmentation of Early Esophageal Cancer Lesions

要約

病変の正確なセグメンテーションは、早期食道がん (EEC) の診断と治療にとって非常に重要です。
しかし、今日までの従来の方法も深層学習ベースの方法も臨床要件を満たすことができず、医療画像解析で最も重要な指標である平均 Dice スコアは 0.75 をほとんど超えません。
この論文では、EEC 病変をセグメント化するための新しい深層学習アプローチを紹介します。
私たちのアプローチは、1 人の患者からの 1 つの画像のみに依存し、いわゆる「You-Only-Have-One」（YOHO）フレームワークを形成するため、その独自性が際立っています。
一方で、この「1 画像 1 ネットワーク」学習では、他の患者からの画像をトレーニング データとして使用しないため、完全な患者のプライバシーが保証されます。
一方、学習された各ネットワークは入力画像自体にのみ適用されるため、一般化に関連するほぼすべての問題が回避されます。
特に、セグメンテーションの精度を高めるために、トレーニングを可能な限り「オーバーフィッティング」するようにプッシュできます。
当社の技術的な詳細には、専門知識を活用するための臨床医師との対話、トレーニング セットを生成するための単一病変画像の幾何学ベースのレンダリング (\emph{最大の} 新規性)、およびエッジ強化された UNet が含まれます。
私たちは、独自に作成した EEC データセットに対して YOHO を評価し、平均 Dice スコア 0.888 を達成しました。これは、臨床応用に向けた大きな進歩を表しています。

要約(オリジナル)

Accurate segmentation of lesions is crucial for diagnosis and treatment of early esophageal cancer (EEC). However, neither traditional nor deep learning-based methods up to today can meet the clinical requirements, with the mean Dice score – the most important metric in medical image analysis – hardly exceeding 0.75. In this paper, we present a novel deep learning approach for segmenting EEC lesions. Our approach stands out for its uniqueness, as it relies solely on a single image coming from one patient, forming the so-called ‘You-Only-Have-One’ (YOHO) framework. On one hand, this ‘one-image-one-network’ learning ensures complete patient privacy as it does not use any images from other patients as the training data. On the other hand, it avoids nearly all generalization-related problems since each trained network is applied only to the input image itself. In particular, we can push the training to ‘over-fitting’ as much as possible to increase the segmentation accuracy. Our technical details include an interaction with clinical physicians to utilize their expertise, a geometry-based rendering of a single lesion image to generate the training set (the \emph{biggest} novelty), and an edge-enhanced UNet. We have evaluated YOHO over an EEC data-set created by ourselves and achieved a mean Dice score of 0.888, which represents a significant advance toward clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google