Sparse Representation Learning for Vessels

技術概要：血管の疎表現学習のための VAEsselSparse

問題定義
臨床診断、リスク層別化、治療計画において、サブミリメートル解像度での人間の血管および気道などの管状構造の解析は極めて重要です。しかし、画像モダリティからこれらのネットワークを抽出すると、大規模な 3D セグメンテーションマップが生成されます。このような高解像度の体積データに対する効果的な表現を学習することは、計算上の重大な課題を伴います。既存の手法は、血管を樹状構造のみ、スプライン、またはメトリックグラフとしてモデル化するなどの簡略化された仮定に依存することが多く、本質的な 3D 幾何学的詳細を犠牲にしたり、解析範囲を小領域に限定したりします。さらに、標準的なパッチベースの表現学習戦略は、臓器レベルの血管ネットワーク全体の大域的な文脈を捉えることができません。密な畳み込みアプローチは、高解像度での全臓器レベルの体積処理に伴う計算コストに苦しみ、かつ平均化効果により微細な構造的連結性を失う傾向があります。

手法：VAEsselSparse
著者らは、大規模な臓器レベルの 3D 血管ネットワークの疎なセグメンテーションマスクから直接、コンパクトで意味のある表現を学習するための効率的なエンコーダ - デコーダアーキテクチャであるVAEsselSparseを提案します。

• 疎な定式化: 密な 3D 画像とは異なり、血管セグメンテーションマップは本質的に疎です（$\|x\|_{\ell_0} \ll H \cdot W \cdot D$）。VAEsselSparse は、入力を密なグリッドではなく、アクティブなボクセル座標 $C_x$ とそれに関連する特徴ベクトルからなる疎な集合として表現し、疎テンソル $X = (C_x, F_x)$ を形成します。これにより、計算量が総体積サイズではなく、アクティブなボクセルの数に比例してスケーリング可能になります。
• アーキテクチャ: このモデルは、疎畳み込みと疎アテンション機構を利用する変分オートエンコーダ（VAE）フレームワークを採用しています。
  • エンコーダ（$E_\phi$）: 局所的な幾何学情報は、残差疎 3D CNN ブロック（疎性を維持する畳み込み、グループ正規化、ReLU）を用いて抽出されます。空間解像度は、ストライド疎畳み込みを通じてダウンサンプリングされ、目標の潜在解像度に達します。過剰な圧縮により失われがちな大域的な連結性を維持するため、ボトルネックボクセルは座標ベースの位置符号化を施されたトークンとして扱われ、疎ウィンドウ型自己アテンション層を介して処理されます。これにより、計算コストを現実的な範囲に保ちつつ、遠く離れた血管セグメント間での情報伝達が可能になります。
  • デコーダ（$D_\theta$）: エンコーダを鏡像のように反映し、疎トランスフォーマーブロックを用いて潜在トークンを精緻化した後、転置疎畳み込みと残差ブロックを用いて表現を段階的にアップサンプリングします。最終出力は、シグモイド活性化による確率的再構成となります。
• 学習目的: モデルは、再構成項と KL 正則化項からなる標準的な VAE 目的関数で学習されます。重要なのは、再構成損失が、真値と再構成サポートのアクティブなボクセルの和集合に対してのみ計算され、グリッド全体に対する密な教師信号を回避している点です。
• 圧縮: このアーキテクチャは、空間圧縮率 $8 \times 8 \times 8$（チャネル深さに依存する体積圧縮率）を達成し、以前の体積 VAE よりも大幅に高い圧縮率を実現しながら、構造的な連結性を維持しています。

主な貢献

1. アーキテクチャ設計: 疎な 3D 血管構造に特化したエンコーダ - デコーダ「VAEsselSparse」の導入。これは疎畳み込みと疎アテンションを組み合わせ、簡略化された仮定なしにサブミリメートル解像度での臓器レベルネットワークを処理可能にします。
2. 性能: 密な対応物や既存の手法と比較して優れた再構成性能を実証。$8 \times 8 \times 8$ の高い空間圧縮を達成しつつ、トポロジカルな連結性を保持しています。
3. 下流タスクへの有用性: 学習された潜在空間が臨床的に関連する判別特徴を保持し、血管分類（例：動脈瘤/狭窄の検出、ウィリスの輪の亜型）などの下流タスクを効果的に支援し、現実的な血管構造を合成するための生成モデルの埋め込み空間として機能することを検証しました。

実験結果
本手法は、気道、脳血管、肺血管の統合データセット（等方性 0.5 mm 解像度）および特定の課題データセット（INSTED、TopCoW）で評価されました。

• 再構成: VAEsselSparse は、同程度のパラメータ数を持つ密な VAE ベースラインおよび、より低い $4 \times 4 \times 4$ 圧縮を使用する最先端の MedVAE を、Dice、clDice、ベッティ数（トポロジカル誤差）などの指標において上回りました。具体的には、同じ $8 \times 8 \times 8$ 圧縮条件下で、密な VAE の clDice が 73.48 であるのに対し、VAEsselSparse は 92.11 を達成し、複雑な構造において VesselGPT（clDice 1.64）を大幅に上回りました。
• 分類: 未見のデータセット（INSTED および TopCoW）において、潜在空間は強力な分類性能を可能にしました。VAEsselSparse の特徴量で学習した MLP は、INSTED において 87.96% のバランス精度を達成しました（ResNet は 85.24%、密な VAE+PCA+RF は 34.89%）。t-SNE 可視化により、VAEsselSparse の潜在空間は健康、動脈瘤、狭窄のクラスに対して明確なクラスターを形成することが確認されましたが、密な VAE はこれらのクラスを分離できませんでした。
• 生成モデル: VAEsselSparse の潜在空間で学習したデノイジング U-Net は、密な VAE の潜在空間で学習したものよりも現実的な血管サンプルを生成しました。最小マッチング距離、カバレッジ、1-NN 精度などの定量的指標は VAEsselSparse を支持しており、これは高次元性や限られたサンプル数に関連する問題を緩和する、その疎で低次元の潜在空間に起因すると考えられます。

意義と主張
本論文は、VAEsselSparse が、幾何学的簡略化に依存することなく、臨床（サブミリメートル）解像度における臓器レベルの血管ネットワーク全体に対する意味のある表現の学習を可能にすることで、既存手法における重要なギャップを埋めると主張しています。血管構造の本質的な疎性を利用することで、本手法は大幅な計算効率と空間圧縮を達成します。著者らは、この疎性を維持するアプローチが、高解像度血管の拡張可能で臨床的に有用なモデリングへの実用的な道筋を提供し、正確な再構成と、下流の臨床応用に向けた現実的な血管構造の合成の両方を促進すると位置づけています。