深層ニューラルネットワークを用いた脳腫瘍のセグメンテーション

本論文では、深層ニューラルネットワーク（DNN）を基にした完全自動の脳腫瘍セグメンテーション手法について述べます。提案されたネットワークは、MRI画像に映し出されるグリオブラストーマ（低悪性度および高悪性度）に対して最適化されています。これらの腫瘍はその性質上、脳内のどこにでも現れ、形状、サイズ、コントラストがほぼ任意であるため、我々は柔軟で大容量のDNNを活用しながら非常に効率的な機械学習ソリューションを探求しています。ここでは、競争力のある性能を得るために必要だと考えられた異なるモデル選択について説明します。特に、画像データに特化したDNNである畳み込みニューラルネットワーク（CNN）に基づく異なるアーキテクチャを探索しています。我々は従来のコンピュータビジョンで使用されているものとは異なる新しいCNNアーキテクチャを提示します。このCNNは局所的な特徴とより大局的な文脈的な特徴を同時に活用します。また、従来のCNNの使用方法とは異なり、最終層が全結合層の畳み込み実装になっているため、40倍の高速化が可能となります。さらに、腫瘍ラベルの不均衡に関連する困難に対処するために2段階の訓練プロシージャについても説明します。最後に、基本的なCNNの出力を次のCNNにとって追加情報源として扱うカスケードアーキテクチャについて探求しています。2013年のBRATSテストデータセットでの結果から明らかになったのは、我々のアーキテクチャが既存の最先端技術よりも優れているだけでなく、30倍以上の速さで動作することです。