技術要約: TopoNet: 医療画像分類のためのトポロジー誘導型デュアルブランチ・フレームワーク

問題提起

ボリューム形式の医療画像分類は、堅牢性と解釈可能性に関して重大な課題に直面しています。畳み込みニューラルネットワーク（CNN）やVision Transformer（ViT）を主軸とする現在の最先端モデルは、主に外観駆動型の手がかり（テクスチャや局所的な強度）に大きく依存しています。これらのモデルは、臨床診断において極めて重要な、連結性、ループ、空洞といったグローバルな解剖学的トポロジーを明示的に捉えることが困難な場合が多いです。例えば、膵管腺癌（PDAC）において、健常組織と疾患組織の区別は、膵管の断片化や異常な拡張といったトポロジー的変化に依存することが多いですが、局所的なピクセルレベルのアーキテクチャではこれらを保証できません。

さらに、トポロジカル・データ解析（TDA）をディープラーニングに統合しようとする既存の試みには、主に2つの制限があります：

1. ノイズへの敏感さ: 従来のメソッドは、トポロジー的特徴をフィルタリングするために、手動で調整された硬直的な閾値を使用することが多く、これにより、症例ごとの変動による微細だが臨床的に重要な信号を破棄したり、逆にノイズを保持してしまったりすることがあります。
2. 「空間的乖離（Spatial Detachment）」問題: 多くの手法は、トポロジー的特徴をベクトル化（例：パーシステンス・イメージやベッティ曲線へ）し、それをニューラル特徴量と結合します。このプロセスは特徴の空間座標を消失させるため、ネットワークが「どこに」特定のトポロジー的異常が発生しているかを特定することを妨げ、空間的に意識された画像特徴と、空間的に非依存なトポロジー・ベクトルとの間に表現上のミスマッチを生じさせます。

手法: TopoNet

これらの制限に対処するため、著者らは、空間的コンテキストを保持しながら、マルチスケールのトポロジー構造をボリューム表現学習に直接統合する、トポロジー誘導型のデュアルブランチ・フレームワークであるTopoNetを提案しています。

1. 信頼区間を用いた統計的トポロジー抽出

固定された閾値を使用する代わりに、TopoNetは統計に基づいた戦略を採用し、有意なトポロジー信号をノイズから区別します：

• 立方体パーシステント・ホモロジー（Cubical Persistent Homology）: 本手法は、ボクセル格子から派生した立方体複体上でパーシステント・ホモロジーを計算し、サブレベルセット・フィルトレーションにおける $H_0$（連結成分）、$H_1$（ループ）、$H_2$（空洞）の進化を追跡します。
• 信頼区間フィルタリング: トポロジー的ノイズを処理するため、本フレームワークはサブサンプリングに基づくアプローチを用いて、パーシステンス図に対する $(1-\alpha)$ レベルの信頼区間を構築します。パーシステンス値 ($d-b$) が信頼区間（ボトルネック距離 $\epsilon_\alpha$ によって定義される）内に収まる特徴は、ノイズとして扱われます。$d-b > 2\epsilon_\alpha$ を満たす特徴のみが、統計的に有意なものとして保持されます。これにより、硬直した手動の閾値調整を排除しています。

2. 次元認識型トポロジー・トゥ・ボクセル・マッピング

TopoNetの核心的な革新は、トポロジー的特徴に空間的コンテキストを復元し、「空間的乖離」問題を解決することにあります：

• ローカライゼーション: 選択されたパーシステンス・ペアは、ボクセル領域へとマッピングされます。
  • $H_0$: シード・ボクセルを特定し、特定の事前マージ閾値で成分を抽出することにより、連結成分マスクが生成されます。
  • $H_1$: 行列簡約化を通じて代表的な1サイクル（ループ）を再構成し、バイナリ・ループ・マスクへとラスタライズします。必要に応じて膨張処理を行い、管状の近傍を形成します。
  • $H_2$: 「デストロイヤー（破壊者）」シードを用いてキャビティ・シェルを特定し、測地線領域成長法およびモルフォロジー演算によって構築します。
• 結果: このプロセスにより、入力画像ボリューム ($I$) と厳密に整合した、明示的かつ空間的に登録されたバイナリ・トポロジー・マスク ($T$) が生成され、「トポロジー・モダリティ」という補完的な情報が作成されます。

3. クロスモーダル融合を備えたデュアルブランチ・アーキテクチャ

TopoNetは、画像とトポロジーのモダリティを並行して処理するために、3Dデュアルブランチ・アーキテクチャ（DenseNet121に基づく）を利用します：

• モノモーダル特徴抽出: 2つの独立したブランチがマルチスケール特徴を抽出します。トポロジー・ブランチは、トポロジー由来マスクの高い疎性を扱うために、バッチ正規化ではなく**グループ正規化（GN）**を使用します。
• クロスブランチ相互作用モジュール (CBIM): 中間段階（ステージ3および4）において、ブランチは以下の特殊な融合メカニズムを介して相互作用します：
  • テクスチャ強化モジュール: 軽量な深度別畳み込みモジュールが、画像ブランチ内の局所的なテクスチャ特徴を強化します。
    型 トポロジー強化モジュール: 疎性を考慮したモジュールがトポロジー特徴を精緻化し、背景のゼロが表現を汚染するのを防ぐために、有効なボクセル数で正規化を行います。
  • クロスアテンション: 画像特徴がクエリ（Query）として機能し、トポロジー特徴がキー（Key）およびバリュー（Value）を提供します。これにより、ネットワークがトポロジーのガイダンスに基づいて画像表現を条件付けできるようになります。
  • ゲート付き残差融合: トポロジー誘導された特徴は、学習可能なゲーティング・メカニズムを介して画像ブランチに注入され、モデルがトポロジー的事前情報の強さを適応的に制御できるようにします。
• 分類ヘッド: 最終的な融合特徴は、学習されたアテンション重みに基づいてボクセル単位の特徴を適応的に集約し、分類前に背景ノイズを抑制するアテンション・プーリングを受けます。

主な貢献

本論文は、主に4つの貢献を述べています：

1. 統計的に裏付けられた抽出: 信頼区間を用いたフレームワークを使用して、立方体複体上の有意なパーシステント・ホモロジー特徴を特定し、硬直した閾値なしに、堅牢な臨床信号をノイズから分離します。
2. 空間的復元: 抽象的なトポロジー要約（$H_0/H_1/H_2$）を、空間的に整合したボクセル単位のバイナリ・マスクへと変換する、次元認識型のトポロジー・トゥ・ボクセル・マッピング・パイプラインを実現し、TDAとグリッドベースのディープラーニングの間の溝を埋めます。
3. TopoNetアーキテクチャ: 画像とトポロジーのモダリティを並行してエンコードし、クロスブリーチ・アテンションを用いて、ネットワークを構造的に重要な領域へと導くデュアルブランチ・ネットワークを構築しました。
4. 実証的検証: 2つの異なるデータセットにおいて、強力なベースラインに対して一貫した改善を示す広範な実験を行いました。

実験結果

著者らは、5分割交差検証を用いて、2つのデータセットでTopoNetを評価しました：

1. MSD Task07 Pancreas データセット (PDAC vs. Non-PDAC):

   • TopoNetは、精度（Accuracy）0.8197 ± 0.0587 および AUC 0.8123 ± 0.1127 を達成しました。
   • 強力なCNN（ResNet50, DenseNet121, EfficientNet）およびTransformer（ViT, Swin）のベースラインを上回りました。
   • 特筆すべき点として、TopoNetはベースラインと比較して精度およびF1スコアの分散が著しく低く、より高い安定性を示しました。

2. BraTS 2018 データセット (Glioma Grading: HGG vs. LGG):

   • TopoNetは、精度 0.9333 ± 0.0079 および AUC 0.9267 ± 0.0437 を達成しました。
   • ベースラインと比較してMRIモダリティへの優れた汎化性能を示し、各フォールド間で非常に安定した予測を実現しました。

アブレーション研究により、以下が確認されました：

• 信頼区間による選択は、固定閾値戦略よりも優れた性能を示しました。
• すべてのホモロジー次元（$H_0 + H_1 + H_2$）を組み合わせることで、最高の性能が得られました。
• 膵臓CTにおいては、「No Inversion（反転なし）」フィルタリング戦略（生の強度に対するサブレベルセット）が最適であり、タスク固有のフィルトレーション・セマンティクスの重要性が浮き彫りになりました。
• クロスモーダル相互作用の特定の方向（トポロジー誘導による画像強化、$T \to I$）が、双方向または逐次的な代替案よりも効果的でした。
• いずれかのコンポーネント（テクスチャ強化、トポロジー強化、クロスアテンション、またはアテンション・プーリング）を取り除くと性能が低下し、完全なアーキテクチャの必要性が検証されました。

可視化: Grad-CAMによる可視化では、ベースラインが拡散したテクスチャ駆動型の活性化を示すのに対し、TopoNetは（膵管の走行などの）疾患に関連する構造的パターン（トポロジー的特徴と一致するもの）に焦点を当てていることが示されました。

意義と主張

本論文は、TopoNetが、ボリューム形式の医療画像分類の性能、堅牢性、および臨床的解釈可能性を向上させる有望な手段であることを主張しています。トポロジーをグローバルな統計量として扱うのではなく、明示的な構造的手がかりをディープラーニングのパイプラインに根本的に統合することで、本フレームワークは、従来のTDA手法に内在する「空間的乖離」に対処しています。

著者らは、彼らのアプローチが以下の点において優れていることを強調しています：

• 解釈可能性の向上: トポロジー的特徴をボクセル領域にマッピングすることで、モデルは臨床的推論（例：膵管の連結性）と一致する、空間的に根ざした構造的手がかりを提供します。
• 堅牢性の向上: 信頼区間によるフィルタリングとゲート付き融合メカニズムにより、モデルはノイズや解剖学的変動に適応でき、偶発的なテクスチャへの依存を軽減します。
• プラグアンドプレイのパラダイムを提供: トポロジー誘導型学習フレームワークは、様々なバックボーン・アーキテクチャ（CNNおよびTransformer）に対して有効であることが示されており、幅広い適用可能性を示唆しています。

著者らは、今後の課題として、ホモロジー次元間の相乗的な相互作用をモデル化すること（例：グラフニューラルネットワークの使用）、および多様なスキャナープロトコルに対する汎用性を評価するために、より大規模なマルチセンター・コホートでこの手法を検証する必要があると結論付けています。