EPRA U-Net: An Efficient Pyramid Residual Attention Framework for Accurate Infarct Segmentation in Diffusion-Weighted MRI

技術要約：DWI MRIにおける梗塞セグメンテーションのためのEPRA U-Net

問題提起
拡散強調画像（DWI）MRIにおける急性虚血性梗塞の正確なセグメンテーションは、脳卒中管理、病変の定量化、および治療適応（例：血栓溶解療法）の決定において極めて重要である。しかし、このタスクには以下のような重大な課題が存在する：

• クラス不均衡： 梗塞病変は画像ボリュームのごく一部しか占めておらず（本研究のデータセットにおける陽性スライスの割合は14.7%）、モデルが小さな病変を見落とす可能性がある。
• 境界の曖昧さ： 病変の境界は明確な区別がつきにくいことが多く、信号の不均一性が検出を困難にする。
• 臨床的コストの非対称性： 臨床現場では、偽陰性（病変の見落とし）は偽陽性よりも高いコストを伴う。なぜなら、病変の見落としは治療の遅れや誤った予後評価につながる可能性があるからである。
• 既存モデルの限界： 標準的なU-Netは低レベルのノイズを転送する可能性があり、Transformerベースのモデル（例：TransUNet）は計算負荷が高く、小規模な単一センターのデータセットに対して過学習しやすい。また、3Dモデルは計算コストが膨大になることが多い。

手法
著者らは、上述の課題を解決するために設計されたハイブリッド深層学習アーキテクチャであるEPRA U-Net（Efficient Pyramid Residual Attention U-Net）を提案している。このモデルは、隣接するスライスをターゲットとなるDWIスライスと共にスタックする2.5D入力戦略を採用しており、2D畳み込みの計算効率を維持しつつ、スライス間のコンテキストを捉えることができる。

アーキテクチャは以下の4つの主要コンポーネントで構成されている：

1. EfficientNet-B0 エンコーダ： 階層的な特徴抽出器として機能する。これは、複合スケーリング戦略（深さ、幅、解像度のバランス）とSqueeze-and-Excitation（SE）モジュールを採用しており、ResNetベースのエンコーダと比較して、パラメータ数を抑えつつ効率的に特徴を抽出する。
2. Residual-Recurrent (R2) ブロック： エンコーダ・デコーダのパスに統合されており、残差接続と再帰的畳み込み演算（アンローリングステップ $t=2$）を組み合わせている。この設計は、特に複雑で小さな病変に対して、空間的依存性のモデリングと特徴伝播を強化することを目的としている。
3. Atrous Spatial Pyramid Pooling (ASPP)： エンコーダとデコーダの間のブリッジに配置され、異なる拡張率（1, 6, 12, 18）を持つ並列の拡張畳み込みを使用して受容野を拡大する。これにより、モデルは様々なサイズの病変に対応するためのマルチスケールなコンテキスト情報を捉えることができる。
4. Dual Attention Mechanism（デュアル・アテンション・メカニズム）： スキップ接続に適用される並列の位置およびチャネル・アテンション・モジュールである。このメカニズムは、病変に関連する活性化を強調し、不要な背景応答を抑制することで、負（非梗塞）のスライスが多い状況に対処する。

損失関数および学習戦略
病変の見落としを最小限に抑えるという臨床的要請に対処するため、モデルはパラメータ $\alpha = 0.4$ および $\beta = 0.6$ を持つTversky Loss関数を用いて最適化される。この構成は、偽陰性を偽陽性よりも厳しく罰するように明示的に設計されており、最適化の焦点を高い再現率（感度）へとシフトさせる。モデルは167人の患者（4,895スライス）のデータセットを用いて、データ漏洩を防ぐための層化患者レベル分割（トレーニング70%、検証15%、テスト15%）で学習された。

主な貢献
本論文は、以下の4つの主要な貢献を特定している：

1. データセットのキュレーション： 167人の患者（4,895枚の注釈付きDWIスライス）を含む、臨床的に現実的な単一センターのデータセットの作成。これにより、自然なクラス不均衡（陽性率14.7%）が保持されている。
2. 新規アーキテクチャ： EfficientNetによるエンコーディング、R2による空間モデリング、ASPPによるマルチスケール・コンテキスト、およびDual Attentionメカニズムを組み合わせた、原理に基づいたハイブリッドモデル「EPRA U-Net」の導入。
3. 臨床的に動機付けられた最適化： 偽陰性を減らすという臨床上の必要性に合わせ、特定のTversky loss構成（$\beta > \alpha$）を適用。
4. 厳格な検証： 非パラメトリック（Wilcoxon符号付順位検定）、パラメトリック（対応のあるt検定）、ピクセルレベル（McNemar検定）、およびリサンプリングに基づく（ブートストラップ信頼区間）分析を含む包括的な統計フレームワークに加え、効果量の推定を実施。

実験結果
EPRA U-Netは、最先端のベースラインであるUNet++、DeepLabV3+、TransUNet、およびnnU-Net (2D) と比較評価された。

• 性能指標： EPRA U-Netは、ピクセル集計Diceスコア 0.8984、サンプルあたりDice 0.9469、IoU 0.8155、およびRecall 0.8887を達成した。また、カスタムアーキテクチャの中で最高の病変F1スコア（0.9378）と、最も低い中央値HD95（2.00 px、平均11.62 px）を記録した。
• 病変検出： 本モデルは、ベースラインと比較して病変の見落としを大幅に減少させた：TransUNetより**29%少なく、DeepLabV3+より25%少なく、UNet++より16%**少ない。
• nnU-Netとの比較： nnU-Netは同等のDiceスコア（0.8997）とわずかに低い平均HD95（7.98 px vs. 11.62 px）を達成したが、EPRA U-Netはより高いRecall（0.8887 vs. 0.8798）を実現し、かつ偽陽性の病変検出数が大幅に少なかった（69に対し32）。
• 効率性： EPRA U-NetはnnU-Netよりも大幅に効率的であり、nnU-Netの1フォールドあたり848分の学習時間に対し、EPRA U-Netは約131.7分を要し、推論時間も高速である（33.97 ms/slice vs. 598.5 ms/slice）。
• 統計的有意性： 対応のある統計検定（Wilcoxonおよびt検定）により、すべてのモデルが高いベースライン性能を持つことに起因する小さなCohen's d効果量にもかかわらず、EPRA U-Netのベースラインに対する性能向上が統計的に有意であることが確認された（$p < 0.05$）。

意義と主張
本論文は、EPRA U-Netが臨床現場における梗塞セグメンテーションのための、より堅牢で正確な基盤を提供すると主張している。本研究の意義は以下の点にある：

• 臨床との整合性： Tversky lossを通じてRecallを優先することで、モデルは過小セグメンテーションのリスクを低減しており、これは急性期脳卒中における治療適応の決定において極めて重要である。
• バランスの取れた性能： 本アーキテクチャは、大規模なTransformerモデルや3Dネットワークの計算オーバーヘッドを伴わずに高い精度を実現しており、標準的な臨床用ハードウェアへの導入に適している。
• 包括的な検証： 本研究は、観察された改善の信頼性を確保するために多層的な統計検証スキームを採用しており、単なる指標の報告を超えている。
• アブレーションによる洞察： アブレーション研究により、各コンポーネント（境界描画のためのASPP、空間的連続性のためのR2、背景抑制のためのDual Attention、および感度のためのTversky loss）が、DWI梗塞セグメンテーションの特定の問題を解決するために、それぞれ独自に寄与していることが確認された。

著者らは、本データセットが単一センターのものであり、入力に2.5Dを使用しているものの、提案されたフレームワークは、精度、計算コスト、および臨床的妥当性の間のトレードオフを効果的に解決していると結論付けている。