2次元・3次元回帰ニューラルネットワークを用いた弱教師付き物体検出

Weakly supervised object detection with 2D and 3D regression neural networks.

• Florian Dubost
• Hieab Adams
• Pinar Yilmaz
• Gerda Bortsova
• Gijs van Tulder
• M Arfan Ikram
• Wiro Niessen
• Meike W Vernooij
• Marleen de Bruijne

抄録

大きな画像中の複数の病変を自動的に見つけることは、医用画像解析における一般的な問題である。この問題の解決は、最適化の際に、自動化された手法が病変の位置に関する情報にアクセスできなかったり、病変の単一の例を与えられなかったりする場合に困難になることがある。本研究では、ニューラルネットワークを用いた新しい弱教師付き検出法を提案し、脳の病変の位置を示す注目マップを計算する。この注目マップは、大域的な画像レベルのラベルのみで最適化されたセグメンテーションネットワークの最後の特徴マップを用いて計算される。提案手法では、前処理での補間を必要とせずに、完全な入力解像度で注目マップを生成することができ、小さな病変も注目マップに現れることができる。比較のために，従来の分類目的の代わりに大域回帰目的を用いることで，弱教師付き物体検出のための注目マップを計算するための最新の手法を修正した．この回帰目的は、画像中の対象物の出現回数、例えば、スキャン中の脳病変の数や画像中の桁数を最適化する。本研究では、提案手法のMNISTベースの検出データセットにおける挙動を調べ、4つの脳領域の病変の中心部に点単位でアノテーションを施した2202枚の3Dスキャンデータセットを用いて、脳病変の一種である血管周囲空間の拡大を検出するという困難な問題に対して、提案手法を評価した。MNISTベースのデータセットにおいて、提案手法は他の手法よりも優れていることがわかった。脳のデータセットでは，弱教師付き検出法は各領域において人間の内部一致に近い値を示した．提案手法は4つの領域のうち2つの領域で曲線下面積が最も良好であり，すべての領域で誤検出数が最も少ないが，すべての領域での平均感度は他の最良の手法と同程度であった．提案手法は、肥大した血管周囲空間の疫学的・臨床的研究を容易にし、肥大した血管周囲空間の病因や脳血管疾患との関係についての研究を進展させることができる。

Finding automatically multiple lesions in large images is a common problem in medical image analysis. Solving this problem can be challenging if, during optimization, the automated method cannot access information about the location of the lesions nor is given single examples of the lesions. We propose a new weakly supervised detection method using neural networks, that computes attention maps revealing the locations of brain lesions. These attention maps are computed using the last feature maps of a segmentation network optimized only with global image-level labels. The proposed method can generate attention maps at full input resolution without need for interpolation during preprocessing, which allows small lesions to appear in attention maps. For comparison, we modify state-of-the-art methods to compute attention maps for weakly supervised object detection, by using a global regression objective instead of the more conventional classification objective. This regression objective optimizes the number of occurrences of the target object in an image, e.g. the number of brain lesions in a scan, or the number of digits in an image. We study the behavior of the proposed method in MNIST-based detection datasets, and evaluate it for the challenging detection of enlarged perivascular spaces - a type of brain lesion - in a dataset of 2202 3D scans with point-wise annotations in the center of all lesions in four brain regions. In MNIST-based datasets, the proposed method outperforms the other methods. In the brain dataset, the weakly supervised detection methods come close to the human intrarater agreement in each region. The proposed method reaches the best area under the curve in two out of four regions, and has the lowest number of false positive detections in all regions, while its average sensitivity over all regions is similar to that of the other best methods. The proposed method can facilitate epidemiological and clinical studies of enlarged perivascular spaces and help advance research in the etiology of enlarged perivascular spaces and in their relationship with cerebrovascular diseases.

Copyright © 2020. Published by Elsevier B.V.