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

要約

医用画像解析で少数ショット学習を望ましいものにする優れた点は、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を効率的に使用できることです。これは、そうでなければかなり多くのトレーニング画像と専門家による注釈を必要とするタスクです。
この作業では、完全に 3D の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、トレーニングされたネットワークは、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、トレーニングには存在しない臨床的に興味深い構造に効果的に適応できるようになります。
まず、新しいクラスのエピソード適応における機関間の広く認識されている空間的変動を補償するために、セグメンテーションヘッドと空間アライメントモジュールで構成される新しい空間登録メカニズムがプロトタイプ学習に統合されます。
第二に、観察された不完全な位置合わせで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ためのサポートマスク調整モジュールが提案されています。
7 つの研究所で取得された 589 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で広範な実験が提示されます。
結果は、3D フォーミュレーション、空間レジストレーション、およびサポート マスク コンディショニングのそれぞれの有効性を示しており、そのすべてが独立して、または集合的にプラスの貢献をしました。
以前に提案された 2D の代替案と比較して、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改善されました。

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