HAG-EUNet: Attention-Guided Deep Learning for Choroid Segmentation and Clinical Biomarker Extraction in Optical Coherence Tomography

技術要約：OCTにおける脈絡膜セグメンテーションのためのHAG-EUNet

問題提起
光干渉断層計（OCT）画像における脈絡層の正確なセグメンテーションは、加齢黄斑変性（AMD）、中心性漿液性脈絡網膜症（CSCR）、糖尿病網膜症などの眼疾患の診断、および心血管疾患などの全身状態の評価において極めて重要である。しかし、脈絡膜の手動アノテーションは時間がかかり（1スキャンあたり20〜25分）、画像アーチファクトによるエラーも発生しやすい。OCT画像には、スペックルノイズ、脈絡膜-強膜界面における低コントラスト、血管による影、および解剖学的変動といった特有の課題が存在する。U-Netやその派生モデルのようなディープラーニングモデルは医学的画像セグメンテーションを進展させてきたが、脈絡膜に固有の低コントラストな境界や構造的変動性に苦慮することが多い。既存の自動化手法は、手作業による前処理に限定されていたり、グローバルなコンテキストモデリングを欠いていたり、あるいは標準的な2D臨床ワークフローでは必ずしも利用できないボリュームデータに依存していたりすることが頻繁にある。

手法
著者らは、自動化された脈絡膜セグメンテーションと臨床バイオマーカー抽出のために設計されたハイブリッド・ディープラーニング・フレームワークであるHAG-EUNetを提案している。本手法は、主に以下の3つのコンポーネントで構成される。

1. 堅牢な前処理パイプライン： 解剖学的な境界を維持しながら構造的な明瞭性を高めるために、3段階のパイプラインを採用している。これには以下が含まれる：

   • プレスムージング（Pre-smoothing）： 初期ノイズ低減のためのガウスフィルタリング（$\sigma = 0.4$）。
   • デノイジング（Denoising）： エッジを保持しつつスペックルノイズを低減するためのバイラテラルフィルタリング（$d=5, \sigma_c=10, \sigma_s=10$）。
   • エンハンスメント（Enhancement）： アーチファクトを導入することなく局所的なコントラストを改善するための、保守的なブレンディング（60%）を用いた適応型コントラスト制限適応ヒストグラム平坦化（CLAHE）。
   • このパイプラインにより、Diceスコアが3〜4%向上したことが報告されている。

2. HAG-EUNet アーキテクチャ： 本モデルは、特定の強化を加えたエンコーダ・デコーダ構造である：

   • エンコーダ： EfficientNet-B3（ImageNetで事前学習済み）を利用して、計算効率のバランス（深さ、幅、解像度）を取りながら、5つのレベルで階層的な特徴を抽出する。
   • ボトルネック： マルチスケールのコンテキスト情報を捉えるための、ダイレーションレート1, 6, 12, 18を持つAtrous Spatial Pyramid Pooling (ASPP)、およびグローバルなコンテキスト関係をモデル化するための4ヘッド自己注意機構を備えたTransformerブロックを統合している。
   • デコーダ： アテンション誘導型のアップサンプリング機構を備えている。以下を組み込んでいる：
     • 高密度スキップ接続（Dense Skip Connections）： $1\times1$ 畳み込みを介して、エンコーダの特徴をアップサンプリングされたデコーダの特徴に整合させる。
     • デュアルアテンション： チャネルアテンションのためのSqueeze-and-Excitation (SE)、および最大値/平均値プーリングから導出される空間アテンションマップ。
     • 残差接続（Residual Connections）： 学習を安定させ、勾配フローを改善するため。
   • 特徴融合： 特徴ピラミッドネットワーク（FPN）が、4つのデコーダステージからの特徴を融合する。
   • エッジ精緻化（Edge Refinement）： Sobelオペレータを用いて水平および垂直のエッジ特徴を抽出する専用モジュールを使用し、それらをデコーダの出力と融合させることで、境界の描写を精緻化する。

3. 学習戦略：

   • 損失関数： クラス不均衡と境界の感度に対処するため、Dice Loss（重み 0.7）とFocal Loss（重み 0.3, $\alpha=0.25, \gamma=2.0$）を組み合わせた複合損失を使用する。
   • ディープスーパービジョン（Deep Supervision）： 主な出力（重み 70%）と共に、4つのデコーダステージにおける補助出力（各重み 7.5%）を使用して、勾配フローを強化する。
   • データセット： モデルは385枚のOCT画像で学習され、83枚で検証され、公開データセット（C8）から選ばれた83枚でテストされた。グランドトゥルース（正解）マスクはDeepGPETを用いて生成され、専門の眼科医によって手動修正された。

主な貢献

• 新規アーキテクチャ： EfficientNet-B3、Transformerアテンション、ASPP、マルチフォームアテンション、およびエッジ精緻化を、脈絡膜セグメンテーションのために独自に組み合わせたHAG-EUNetの導入。
• 最適化された前処理： 解剖学的な完全性を保持しながらノイズを低減する保守的な3段階のパイプラインにより、測定可能な性能向上を実証した。
• 臨床展開： リアルタイム推論が可能で、32の臨床的に関連するバイオマーカー（厚みの指標、幾何学的特徴、テクスチャ記述子、血管特性を含む）の自動抽出ができるFastAPIベースのシステムの開発。これにより、手動アノテーションの負担を排除する。

結果

• 定量的性能： テストセット（83枚の画像）において、HAG-EUNetは Diceスコア 95.99% ± 1.86%、IoU 92.36%、および Precision 95.89% を達成した。
  • Swin-UNet、ConvNeXt-UNet、U-Net、Attention U-Net、U-Mamba、U-Net++、DeepLabV3+、およびTransUNetを含む最先端のベースラインを上回った。
  • 最も強力なベースラインであるTransUNetと比較して、Diceスコアを0.72パーセントポイント向上させた。
  • 標準偏差1.86%を示し、DeepLabV3+と比較して分散が約29%減少しており、高い安定性を実証した。
  • モデルは計算効率が高く、DeepLabV3+（40M）よりも37.5%少ないパラメータ数（25M）を使用している。
• アブレーション研究： 個々のコンポーネントの除去により、その必要性が確認された。Transformerブロックの除去が最大の性能低下（−1.02% Dice）をもたらし、次いでASPP（−0.95%）、Edge Refinement（−0.78%）であった。
• バイオマーカーの検証： 4つの主要なバイオマーカー（平均厚、中心窩下厚、面積、最大厚）の自動測定は、専門家によるグランドトゥルースと強い一致を示し（ピアソン $r$ は0.9288から0.9623の範囲、Spearman $\rho$ は0.9436から0.9686）、Bland–Altman分析において低いバイアスを示した。
• 定性的分析： 視覚的な結果は、モデルが低コントラスト領域やアーチファクトの存在下でも境界を正常に描写できることを示しているが、急激な厚みの変化や高度に湾曲した境界については依然として課題が残っている。

意義と主張
論文は、HAG-EUNetが信頼性が高く、精密で、臨床的に展開可能なソリューションを提供すると主張している。標準的な2D Bスキャンにおいて高い精度を達成することで、本フレームワークは、責任ある、迅速かつ信頼性の高いAIベースの眼科分析をサポートするための32のバイオマーカーの自動抽出を可能にする。著者らは、本研究を、自動化された定量的OCT分析への一歩であり、早期疾患検出、縦断的モニタリング、および心血管リスク評価を促進するものと位置づけている。

限界と今後の展望
著者らは、いくつかの限界を謙虚に認めている：

• 汎用性： データセットは単一のソースおよび単一の撮像装置からの画像で構成されており、異なる取得設定への適用性が制限される可能性がある。
• 次元性： 現在のフレームワークは、隣接するスライス間のボリュームの一貫性をモデル化することなく、個々の2D Bスキャンを個別に処理している。
• アノテーション： グランドトゥルースは単一の専門家によって提供されており、マルチアノテーターによる検証が評価を強化するだろう。
• 臨床的検証： セグメンテーション精度は高いが、抽出されたバイオマーカーの患者アウトカムへの直接的な関連性を検証するためには、前向きな臨床研究が必要である。

今後の展望としては、マルチセンター評価、フル3Dボリューム解析への拡張、説明可能性のための不確実性推定の統合、および脈絡膜血管指数（CVI）を導出するための脈絡膜血管のセグメンテーションが含まれることが提案されている。