Evaluation of Anatomical Shape Priors in Deep Learning-Based Cardiac Multi-Compartment Segmentation

技術的サマリー：深層学習に基づく心臓多コンパートメント分割における解剖学的形状事前知識の評価

問題定義
心臓 CT からの全心臓多コンパートメント分割は、定量的評価（例えば、駆出率）、治療計画、画像ガイド介入などの臨床応用において重要なタスクである。深層学習、特にマルチスケール特徴抽出と空間局在化能力を備えた 3D U-Net 変種は、支配的なアプローチとなっているが、これらのモデルは主に外観駆動型である。これらは解剖学的形状知識の明示的なエンコーディングを欠いており、このギャップは以前、深層学習以前の時代に統計的形状モデルの使用を動機づけた。中心的な研究課題は、7 クラスの心臓 CT 分割（心室、心房、心筋、および大血管）において、軽量で明示的な形状事前知識が、強力な 3D U-Net ベースラインに対して測定可能な利益をもたらすかどうかである。

手法
本研究は、標準的な 3D U-Net ベースラインに統合された 2 種類の明示的形状事前知識を評価する。

1. 形状認識型損失関数: 分割のバックボーンを変更することなく、粗い解剖学的知識を注入するために、3 つの正則化器ファミリーがテストされた。

   • 体積正則化: 学習セットの統計から導出された期待されるコンパートメント体積からの逸脱を罰する。
   • モーメントベース形状正則化: 予測と学習参照との間のソフトな 1 次および 2 次空間モーメント（重心、楕円体）の整合性を、L2 距離を通じて強制する。
   • 解剖学的関係損失: 学習データ統計に基づき、クラス重心間のペアワイズ距離と角度関係を制約する。

2. アーキテクチャ事前知識: 平均空間ラベル分布を表す集団レベルのマルチクラス確率ヒートマップが、様々なネットワーク設計に統合された。

   • HM Multilayer: 補助的なヒートマップ予測ヘッドを備えた深層監督変種。
   • 2-Decoder: セグメンテーションとヒートマップ予測のそれぞれに独立したデコーダを持ち、エンコーダーが両方を支える特徴を学習することを強制するネットワーク。
   • 2-Encoder: 画像とヒートマップ入力を並列に処理するデュアルエンコーダーネットワーク。
   • カスケード型: 粗い予測 followed by 微調整のための 3 つの U-Net アーキテクチャ。

実験設定
実験は、MM-WHS CT データセット（学習 20 スキャン、テスト 40 スキャン）と、公開されている WHS++ 拡張（20 症例追加）で行われた。前処理には、集団ヒートマップを導出するための再方向付け、等方性リサンプリング、およびプロクラステス法に基づくアライメントが含まれた。モデルは $64^3$ および $128^3$ の解像度で、広範なデータ拡張を用いて学習された。性能は、Dice、Jaccard、ハウスドルフ距離（HD）、および平均対称表面距離（ASSD）を用いて評価された。

主要な結果
本研究は、すべてのデータセットと設定において一貫した否定的な結果をもたらした。

• ベースラインの優位性: 標準的な 3D U-Net は非常に強力なベースラインとして機能し、MM-WHS（$64^3$）で 90.85% の Dice、WHS++ で 88.93% の Dice を達成した。
• 手作りの事前知識の非効率性:
  • 損失ベース: 体積およびモーメント正則化は、ベースラインと実質的に同程度の結果をもたらした（例：Dice 90.85% 対 90.84%）。解剖学的関係損失は実際には性能を低下させた（Dice 88.98%）。
  • アーキテクチャベース: ヒートマップガイド型の変種（2-Decoder、2-Encoder、カスケード型）は競争力があったが、ベースラインを上回らなかった。例えば、$64^3$ において、2-Decoder は Dice 90.73%、カスケードモデルは 90.32% を達成した。より高い解像度（$128^3$）では、ベースラインは 92.05% に向上したが、競合他社（2-Encoder、カスケード型）はそれにほぼ匹敵する（92.02% および 92.04%）ものの、上回らなかった。
• 定性的観察: 事前知識を持つモデルを含むすべてのモデルは、全体的な心臓解剖を良好に再現した。違いは境界およびより小さな構造に限定されており、ベースラインですでに実質的な全体的な解剖学的規則性を捉えていることを示唆している。

意義と主張
本論文は、「関連する否定的結果」を提示し、現代のよく学習された深層学習ベースラインを使用する際に、明示的で手作りの形状制約が必要である、あるいは有益であるという仮定に挑戦する。著者は以下を主張する。

1. 暗黙的学習: 強力な 3D U-Net ベースラインは、画像データから直接実質的な暗黙的な解剖学的規則性を学習しており、粗い手作りの事前知識（体積、モーメント、重心、ヒートマップ）は冗長である。
2. 粗い事前知識の限界: テストされた事前知識は解剖学を粗いレベルでのみ記述し、複雑な非線形な心臓の変動性を捉えることができない。さらに、ベースラインの誤差は主に境界に関連しているため、大域的な構造正則化器は追加の価値を提供しない。
3. 将来の方向性: 将来の改善は、単純な手作りの制約からは得られない可能性が高い。代わりに、著者は、分割マスク上で学習された生成拡散ベースまたはフローマッチングベースのモデルなど、より表現力豊かな学習された解剖学的事前知識への移行を提案する。これらは、妥当な心臓解剖の分布をよりよく表現する可能性がある。

結論として、本研究は、これらのデータセットにおける全心臓 CT 分割において、アーキテクチャの複雑性を高めること、または単純な形状制約を追加することは、標準的な 3D U-Net に対する性能を確実に向上させないことを示している。