17日前

CauSSL:医療画像セグメンテーションにおける因果関係を意識した半教師あり学習

{Pheng-Ann Heng, Hao Wei, Furui Liu, Cheng Chen, Juzheng Miao}
CauSSL:医療画像セグメンテーションにおける因果関係を意識した半教師あり学習
要約

近年、半教師あり学習(Semi-supervised Learning, SSL)は医療画像セグメンテーションにおいて顕著な成果を上げており、限られたラベル付きデータでもデータ効率を著しく向上させている。しかし、実証的な利点がある一方で、文献において半教師ありセグメンテーションの理論的基盤やメカニズムの説明については依然として懸念が残っている。本研究では、この問題を解明するため、主流の半教師ありセグメンテーション手法に対する理論的基盤を提供する新しい因果図(causal diagram)を提案する。本研究で提示する因果図は、従来の研究で無視されてきた2つの中間変数を新たに考慮している。この因果図を基盤として、共訓練(co-training)フレームワーク上に、因果性に着想を得たSSL手法であるCauSSLを導入し、医療画像セグメンテーションにおけるSSLの性能を向上させる。具体的には、SSLにおける2つのネットワークまたはブランチ間のアルゴリズム的独立性(algorithmic independence)の重要性を指摘する。これはこれまでの研究でしばしば軽視されてきた。さらに、計算不能なアルゴリズム的独立性を新たな統計的尺度で定量化し、ミニマックス最適化プロセスを用いてその独立性を強化する手法を提案する。本手法は、既存のさまざまなSSL手法に柔軟に統合可能であり、性能向上を実現する。本手法は、2Dおよび3Dネットワークアーキテクチャを用いた3つの挑戦的な医療画像セグメンテーションタスクにおいて評価され、最先端手法に対して一貫した性能向上を示した。実装コードは公開されており、以下のURLから入手可能である:https://github.com/JuzhengMiao/CauSSL。