Prototypical few-shot segmentation for cross-institution male pelvic structures with spatial registration

要約

医用画像解析において少数ショット学習を望ましいものにする優れた機能は、新しいクラスを分類またはセグメント化するためにラベル付けされたサポート画像データの効率的な使用です。そうでない場合、このタスクには大幅に多くのトレーニング画像と専門家の注釈が必要になります。
この研究では、完全 3D プロトタイプの少数ショット セグメンテーション アルゴリズムについて説明します。これにより、別の機関からのいくつかのラベル付き画像のみを使用して、トレーニングされたネットワークを、トレーニングには存在しない臨床的に興味深い構造に効果的に適応させることができます。
まず、新規クラスのエピソード適応における広く認識されている機関間の空間的ばらつきを補うために、セグメンテーションヘッドと空間位置合わせモジュールで構成される新規の空間登録メカニズムがプロトタイプ学習に統合されています。
第 2 に、観察された不完全な位置合わせのトレーニングを支援するために、サポート画像から利用可能な注釈をさらに利用するサポート マスク コンディショニング モジュールが提案されています。
7 つの施設で取得された 589 枚の骨盤 T2 強調 MR 画像のデータセットを使用して、介入計画に重要な 8 つの解剖学的構造をセグメント化するアプリケーションにおける広範な実験が示されています。
結果は、3D 定式化、空間位置合わせ、およびサポート マスク コンディショニングのそれぞれにおける有効性を示しており、これらすべてが個別または集合的にプラスの貢献を果たしています。
以前に提案された 2D の代替案と比較すると、サポート データが同じ機関からのものであるか、異なる機関からのものであるかに関係なく、数ショット セグメンテーションのパフォーマンスが統計的に有意に向上しました。

要約(オリジナル)

The prowess that makes few-shot learning desirable in medical image analysis is the efficient use of the support image data, which are labelled to classify or segment new classes, a task that otherwise requires substantially more training images and expert annotations. This work describes a fully 3D prototypical few-shot segmentation algorithm, such that the trained networks can be effectively adapted to clinically interesting structures that are absent in training, using only a few labelled images from a different institute. First, to compensate for the widely recognised spatial variability between institutions in episodic adaptation of novel classes, a novel spatial registration mechanism is integrated into prototypical learning, consisting of a segmentation head and an spatial alignment module. Second, to assist the training with observed imperfect alignment, support mask conditioning module is proposed to further utilise the annotation available from the support images. Extensive experiments are presented in an application of segmenting eight anatomical structures important for interventional planning, using a data set of 589 pelvic T2-weighted MR images, acquired at seven institutes. The results demonstrate the efficacy in each of the 3D formulation, the spatial registration, and the support mask conditioning, all of which made positive contributions independently or collectively. Compared with the previously proposed 2D alternatives, the few-shot segmentation performance was improved with statistical significance, regardless whether the support data come from the same or different institutes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google