Medical Image Segmetation : #1 D-UNet

D-UNet: a dimension-fusion U shape network for chronic stroke lesion segmentation

Index Terms: MRI, stroke segmentation, deep learning, dimensional fusion.

Abstract:

1. 主要贡献：

  1）.采用2D和3D CNN 结合的方法，在少于3D network 计算时间的情况下，获得优于2D network 的分割结果。2）. 提出新的loss function – Enhance Mixing Loss (EML)。

2. 解决问题：

  针对chronic stroke lesion， 在 ATLAS 数据集上获得 DSC= 0.5349±0.2763 和 precision= 0.6331±0.295的结果。

Introduction

  1. Challenging：中风发生位置和大小变化很大且边界模糊。1）移动伪影（motion artifacts）影响分割结果。2）lesion位置多变，可发生在cerebrum(大脑）， cerebellum（小脑）或者脑部其他部位。同时lesion 形态差异很大，体积从几百到几万立方毫米都存在。3）lesion 边界模糊, 不同医生可能得到的不同lesion区域有差异的label。
  2. Recent Solutions: Not clearly
  3. Achievements: 1) Dimension-fusion-UNet 结构，基于UNet设计一个downsampling block，该结构将前部分network中3D 和 2D 各自得到的features 融合在进行2D network处理，通过提取3D特征得到优于2Dnetwork的表现。2)Enhanced Mixing Loss: 该损失函数提升了传统Dics Loss的梯度传播，同时结合了Dics loss 和 Focal loss 两者的优点。3）在ATLAS数据集上进行性能验证。

Related works

  1. related research directions: ①hand-crafted feature, ②2D-CNN, ③3D-CNN, ④traditional segmentation loss function.

Methods

  D-UNet for extracting three-dimensional information :

1. architecture:如图1所示 图1, D-Unet结构
   在前部分即卷积过程中同时使用3D CNN 和 2D CNN 进行特征提取，然后混合到Dimension Transform Block。之后在进行反卷积操作。其中Dimension Transform Block融合过程如图2所示 图2 Details of dimension transform block

  该结构包括2个输入分别是2D 和 3D 的特征。首先采用1x1x1 3D卷积将3D network 的特征channel压缩为得到channel = 1的序列，然后在由3×3 2D卷积处理压缩序列，再同时对2D 输入特征和处理后的压缩序列进行 SE-block处理，最后把结果加起来。SE-block来源于SE-Net ，可参阅作者讲解。SE 模块如图3所示。

图3 A Squeeze and Excitation block

  通过$Ftr$(一系列卷积操作）将输入x 的feature channels $C_1$ 变换为$C_2$。接下来进行二个操作对特征通道进行重标定。
① Squeeze 操作： 沿空间维度进行特征压缩，将每个二维的特征通道变为一个实数。其具体实现方式就是采用global average pooling 对每个特征通道 H x W 的二维特征进行处理，$$Z_c=F_{sq}\left(U_c\right)=\frac{1}{H\times W}\sum _{i=1}^H\sum _{j=1}^W{U}_c\left(i,j\right)$$
② Excitation 操作：为了对Z (1x1xC) 赋予通道间的相关性----对特征通道增加权重。SE-Net中采用降低特征维度的方式，通过两个全连接层建立通道之间的非线性关系。优点①两个Full connected 比单个可以获得很多非线性，②降维可以极大减少两个Full connected的计算量和参数：
$$S=F_{ex}\left(Z,W\right)=\sigma \left(W_2\delta \left(W_1,Z\right)\right)$$
其中$\sigma$表示sigmoid $\delta$ 表示ReLU。$W_1\in {\mathbb{R}}^{\frac{C}{r}\times C}$,$W_2\in {\mathbb{R}}^{C\times \frac{C}{r}}$ , $r$表示降维系数

  Enhanced Mixing Loss Function

该文结合了两个loss, Focal Loss 和 Dice Coefficient Loss。
Focal Loss :

其中 $g\in 0,1$表示图像每个像素的真实值，$p\in [0,1]$ 表示预测值，0表示背景，1表示前景（object）。$N_f$和 $N_b$分别表示 foreground 和 background的数量。$\alpha \in (0,1]$, $\gamma \in [0,5]$。

Dice Coefficient Loss:
$$DL(p.g)=1-\frac{2{\sum }_{i=1}^N{p}_{i}gi+\delta }{{\sum }_{i=1}^N{p}_i^2+{\sum }_{i=1}^N{g}_i^2+\delta }$$

该文结合两种Loss: 提出EML(enhanced mixing loss):

Implementation details:

数据处理：从对角坐标（10,40）到（190,220）裁剪图像，并采用线性插值resize 图片到192x192。再将每个slice，取上层2个slice, 下层1个slice，构成192x192x4的矩阵。网络结构参数列表如下图所示。

Results:

该文采用ATLAS数据集，共229个MRI T1样本，每个样本为233x197x189， 从中随机挑选183个作为训练集，最终给出该模型与2D UNet， 3D UNet 的 DSC , Precision 和 recall结果如下图：

同时也和其它著名模型进行比较，如下图：