From Reconstruction to Interpretation: Zero-Setup Multi-Phase Segmentation of X-ray Tomography Data

技術要約：再構成から解釈へ：X線トモグラフィーデータにおけるゼロセットアップ・マルチフェーズ・セグメンテーション

問題提起
X線トモグラフィー、特にシンクロトロンを用いたマイクロCTは、地球科学や材料科学などの多様な分野において、材料の非破壊的な3次元特性評価を可能にする。データの取得および再構成パイプラインの進歩により、データ生成は加速しているが、その後のダウンストリーム解析が依然として重要なボトルネックとなっている。従来のセグメンテーションは、手動の閾値設定、ユーザーによるプロンプト入力、または材料特有のモデル学習に依存しており、これらのプロセスは時間がかかるだけでなく、様々な実験条件（例：不均一な照明、再構成アーティファクト、ノイズ）に対して汎用性を欠くことが多い。その結果、完全な解析には数ヶ月を要する場合があり、in-situ（実時）実験においては、失敗がデータ収集から数週間後に初めて検出されるといった、フィードバックの遅延が生じている。したがって、ユーザーの介入やデータセット固有のアノテーション、再学習を必要とせず、再構成直後に動作するセグメンテーション・ソリューション、すなわち、ニアリアルタイムの実験診断を可能にする手法への切実なニーズが存在する。

手法
著者らは、未学習のトモグラフィー・データセットに対して、画像再構成直後に解釈可能なマルチフェーズ・セマンティックマスクを生成するように設計された、「ゼロセットアップ」デプロイメント・フレームワークを提案している。この手法は、以下の4つのコア・コンポーネントで構成される。

1. 材料非依存型のマスク準備（Material-Agnostic Mask Preparation）： 特定の材料ラベル（例：「石英」や「長石」）に対して学習するのではなく、本フレームワークはトモグラフィー・データを、物理的に解釈可能な6つの広範に発生するセマンティック領域へと分解する。

   • 背景（Background）： サンプルを取り囲む空隙。
   • サンプル（Sample）： 材料の全容積。
   • 高輝度（Bright）： 最高強度の領域。
   • ライトグレー（Light Gray）： 中間強度の領域。
   • ダークグレー（Dark Gray）： サンプル内の低強度領域。
   • 空隙（Porosity）： 背景と強度が共通する孔または亀裂。
     これらのクラスのグランドトゥルース・マスクは、5つの異なる材料系（アルミニウム合金、ドロマイト、片岩、玄武岩）の25枚のアノテーション済みスライスを用い、Dragonflyソフトウェアを使用して生成された。

2. クラス認識サンプリング（Class-Aware Sampling）： マイクロCTデータにおいて背景画素が支配的となる深刻なクラス不均衡に対処するため、著者らはクラス認識型のクロッピング戦略を採用している。学習中、システムは少なくとも1つの非背景クラスを含む1024×1024のパッチを選択的に抽出することで、マイノリティの構造（空隙や高輝度包含物など）が背景のみのパッチに圧倒されることなく、勾配更新に効果的に寄与することを保証している。

3. ネットワーク・アーキテクチャ： 本フレームワークはConvNeXt-UNetアーキテクチャを利用している。このモデルは、対称的なU-Netトポロジーと、ビジョントランスフォーマーの革新（大きな7×7カーネル、レイヤー正規化、インバーテッド・ボトルネック）を畳み込みフレームワークに組み込んだConvNeXt-Tinyバックボーンを組み合わせたものである。出力ヘッドは、1×1畳み込みによって6つのバイナリチャネル（マルチラベル・セグメンテーション）を生成する。これは単一のカテゴリラベルではなく、マルチラベル方式を採用することで、重なり合う材料領域や曖昧な境界を許容し、あるクラスが誤分類された場合でも他の構造的マスクが情報を保持できるようにしている。

4. 学習戦略： モデルはImageNet-1Kの事前学習済み重みで初期化され、Binary Cross-Entropy (BCE) with Logits損失を用いて学習される。クラス不均衡をさらに緩和するために、経験的な画素頻度に基づいて希少なクラス（例：空隙）に高い重みを割り当てるMedian Frequency Balancingが適用されている。また、異なるビームライン間の変動するコントラスト条件に対する堅牢性を確保するため、正規化には動的なパーセンタイル・ジッタリングが組み込まれている。

主な結果
本フレームワークは、訓練セットと比較して位相コントラストや微細構造のテクスチャが大幅に異なる岩石コア（片岩、ドロマイト、玄武岩）およびアルミニウム合金のホールドアウト・テストデータを用いて評価された。

• 性能： 提案されたConvNeXt-UNetは、6つのセマンティック・カテゴリ全体で0.995の全体精度（Overall Accuracy）と0.992のマクロF1スコアを達成した。
• 汎用性： 本モデルは、訓練データに存在しない特定の材料相がある場合でも、構造情報を保持しながら、未知のデータセットに対して一貫性のある、物理的に意味のあるセグメンテーションを生成することに成功した。
• ベースラインとの比較：
  • アーキテクチャ比較： 提案されたConvNeXt-UNetは、ResNeXt-FPN（F1: 0.991）およびDINOv2ベースのトランスフォーマー・モデル（F1: 0.978）を上回り、優れた境界保持能力と微細詳細の保持能力を示した。
  • 閾値処理との比較： 代表的な玄武岩のスライスにおいて、提案されたフレームワークは従来のヒストグラムに基づく手動の強度閾値処理を大幅に上回った。ConvNeXt-UNetはマクロF1 0.941を達成したが、手動の閾値処理は0.667であった。この改善は空隙の検出において最も顕著であり、手動手法のF1が0.182であったのに対し、モデルは0.845を達成した。

意義と主張
著者らは、本研究を、アプリケーション特化型の高精度セグメンテーション・モデルに代わるものではなく、迅速かつ診断レベルの解析のための実用的な基盤として位置づけている。主な意義は、高速なデータ取得と即時の科学的解釈との間のギャップを埋めることにある。

• ゼロセットアップ・デプロイメント： 本フレームワークにより、ビームラインのユーザーは、ユーザーによるプロンプトや追加学習を必要とすることなく、再構成後数分以内にサンプル品質の評価、スキャンの失敗の特定、および実験結果の判定を行うことが可能となる。
• 実行可能なフィードバック： 構造的概念（空隙、密度変化）の解釈可能なマスクを即座に提供することで、研究者は進行中のビームライン実験中に、実験パラメータを継続すべきか、やり直すべきか、あるいは修正すべきかを判断するための情報に基づいた決定を下すことができる。
• スケーラビリティ： 本アプローチは、わずか25枚の精選されたスライスで訓練された単一のモデルが、多様な材料系や撮像条件を横断して汎用できることを示しており、AI支援による科学的イメージング・ワークフローへのスケーラブルな道筋を提示している。

結論として、本フレームワークは、トモグラフィー解析に伴う手動作業を大幅に軽減し、ニアリアルタイムのフィードバックを促進することでビームタイムの利用率を向上させ、より高い精度が必要な場合には手動での微調整や専門モデルのファインチューニングを行うための出発点として機能すると述べている。