Towards Robust Cardiac Segmentation using Graph Convolutional Networks

要約

完全に自動化された心臓セグメンテーションは、心エコー検査から臨床測定値を抽出するための高速かつ再現可能な方法です。
U-Net アーキテクチャは、医療セグメンテーション用の現在の最先端の深層学習アーキテクチャであり、観察者間のばらつきに匹敵する平均誤差でリアルタイムに心臓構造をセグメント化できます。
ただし、このアーキテクチャでは依然として、多くの場合解剖学的に不正確な大きな外れ値が生成されます。
この研究では、各ピクセルにラベルを付ける代わりに、対象の構造の輪郭点を予測するグラフ畳み込みニューラル ネットワークの概念を使用しています。
私たちは、心臓の解剖学に基づいた 2 つの畳み込みリングを使用するグラフ アーキテクチャを提案し、これにより、公開されている CAMUS データセット上の解剖学的に不正確な多重構造セグメンテーションが排除されることを示します。
さらに、この研究は、グラフ畳み込みアーキテクチャに関するアブレーション研究と臨床 HUNT4 データセットに関する臨床測定の評価にも貢献します。
最後に、U-Net とグラフ ネットワークのモデル間の一致を、入力とセグメンテーションの品質の両方の予測因子として使用することを提案します。
この予測器が分布外および不適切な入力画像をリアルタイムで検出できることを示します。
ソースコードはオンラインで入手できます: https://github.com/gillesvntnu/GCN_multistruct

要約(オリジナル)

Fully automatic cardiac segmentation can be a fast and reproducible method to extract clinical measurements from an echocardiography examination. The U-Net architecture is the current state-of-the-art deep learning architecture for medical segmentation and can segment cardiac structures in real-time with average errors comparable to inter-observer variability. However, this architecture still generates large outliers that are often anatomically incorrect. This work uses the concept of graph convolutional neural networks that predict the contour points of the structures of interest instead of labeling each pixel. We propose a graph architecture that uses two convolutional rings based on cardiac anatomy and show that this eliminates anatomical incorrect multi-structure segmentations on the publicly available CAMUS dataset. Additionally, this work contributes with an ablation study on the graph convolutional architecture and an evaluation of clinical measurements on the clinical HUNT4 dataset. Finally, we propose to use the inter-model agreement of the U-Net and the graph network as a predictor of both the input and segmentation quality. We show this predictor can detect out-of-distribution and unsuitable input images in real-time. Source code is available online: https://github.com/gillesvntnu/GCN_multistructure

arxiv情報

提供元, 利用サービス

arxiv.jp, Google