RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation

要約

網膜血管のセグメンテーションは、多くの眼関連疾患の診断にとって臨床的に非常に重要ですが、複雑な血管形態のため依然として困難な課題です。
網膜血管内に存在する並進対称性の巧みな特徴付けにより、畳み込みニューラル ネットワーク (CNN) は網膜血管のセグメンテーションにおいて大きな成功を収めています。
しかし、回転とスケールの対称性は、網膜血管における以前のより広範な画像として、CNN によって特徴付けることができません。
したがって、特に網膜血管セグメンテーション用に回転とスケールの等変フーリエ パラメーター化畳み込み (RSF-Conv) を提案し、対応する等分散分析を提供します。
RSF-Conv は汎用モジュールとして、パラメータの数を大幅に削減しながら、プラグ アンド プレイ方式で既存のネットワークに統合できます。
たとえば、U-Net や Iter-Net の従来の畳み込みフィルターを RSF-Convs に置き換え、包括的な実験を忠実に実行します。
RSF-Conv+U-Net および RSF-Conv+Iter-Net は、ドメイン内評価でわずかな利点があるだけでなく、より重要なことに、ドメイン外評価ですべての比較方法を大幅に上回ります。
これは RSF-Conv の顕著な一般化を示しており、臨床現場で蔓延しているクロスデバイスおよびクロス病院の課題に対して、より実用的な臨床的意義を持っています。
RSF-Conv の有効性を包括的に実証するために、RSF-Conv+U-Net および RSF-Conv+Iter-Net を網膜動脈/静脈分類にも適用し、同様に有望なパフォーマンスを達成しており、その臨床応用の可能性を示しています。

要約(オリジナル)

Retinal vessel segmentation is of great clinical significance for the diagnosis of many eye-related diseases, but it is still a formidable challenge due to the intricate vascular morphology. With the skillful characterization of the translation symmetry existing in retinal vessels, convolutional neural networks (CNNs) have achieved great success in retinal vessel segmentation. However, the rotation-and-scale symmetry, as a more widespread image prior in retinal vessels, fails to be characterized by CNNs. Therefore, we propose a rotation-and-scale equivariant Fourier parameterized convolution (RSF-Conv) specifically for retinal vessel segmentation, and provide the corresponding equivariance analysis. As a general module, RSF-Conv can be integrated into existing networks in a plug-and-play manner while significantly reducing the number of parameters. For instance, we replace the traditional convolution filters in U-Net and Iter-Net with RSF-Convs, and faithfully conduct comprehensive experiments. RSF-Conv+U-Net and RSF-Conv+Iter-Net not only have slight advantages under in-domain evaluation, but more importantly, outperform all comparison methods by a significant margin under out-of-domain evaluation. It indicates the remarkable generalization of RSF-Conv, which holds greater practical clinical significance for the prevalent cross-device and cross-hospital challenges in clinical practice. To comprehensively demonstrate the effectiveness of RSF-Conv, we also apply RSF-Conv+U-Net and RSF-Conv+Iter-Net to retinal artery/vein classification and achieve promising performance as well, indicating its clinical application potential.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google