【论文总结】Deep Distance Transform for Tubular Structure Segmentation in CT Scans

本文章发表于2020年的CVPR
作者为Yan Wang，Xu Wei，Fengze Liu，Jieneng Chen

问题背景

 在CT图像中管状结构存在对比度差，噪声问题和背景复杂等问题。在胰腺中，胰管扩张或者胰管半径的突然变化意味着可能出现胰腺导管腺癌（PDAC）的风险。

创新点

 提出了一种几何感知管状结构分割方法-深度距离变换（DDT），并且结合了经典距离变换的骨架和现代深度风格网络。
 这是一种通过距离变换算法隐式的学习骨架和横截面半径，并通过管状结构形状的先验来重建最终的分割掩膜。

本文的工作

 将胰管结构分割出来，并帮助医生根据胰管扩张的问题检测是否存在胰腺导管腺癌。

当前的困难

（1）用于训练的Ground Truth的骨架结构不容易获得
（2）分类器很难将骨架上的体素和紧邻骨架周围的体素分割开，因为他们具有相似的特征但是却拥有不同的标签。

相关工作

（1）基于几何的方法：利用管状结构的几何特征构建可变性形状模型以拟合管状结构。但是由于缺乏学习模型，导致无法处理对比度差，噪声和背景复杂的问题的管状结构。
  ①基于轮廓的方法通过在横截面域中近似其形状的方法来提取管状结构的分割掩膜。
  ②最小路径的方法进行血管追踪。这种方法是交互的，能够捕获用户给出的全局最小曲线。
  ③基于模型的追踪的方法需要细化管状模型。在追踪的过程中，通过在所有可能的新模型位置中找到最佳模型来匹配计算新模型位置。
  ④基于中心线的方法求出线性结构的中心线并估算出线性结构的半径。
（2）基于学习的方法：受到深度学习的影响，学习每个像素的分类以检测管状结构。但其忽略了管状结构的几何问题，导致分割出的结果不能保证是正确的形状。ResDSN和3D网络常用来分割胰腺组织，3D-HED及其变体被应用于血管边界检测
（3）引入了距离变换用于管状结构的分割，产生具有和输入图像大小相同的距离图，其中的值是每个前景体素到前进边界的距离。这种方法带来了两个好处：
  ①紧邻管状结构的像素在距离图上体现为非0的值，而在管状结构上的距离图值为0，这样能够很好的将管状结构的像素和紧邻管状结构的像素值分割开。
  ②而骨架上的距离图的值，恰好为当前分割的管状结构的横截半径。骨架化的距离变换结合神经网络能够很好的解决当前的困难。

本文方法

（1）用于管状结构的距离变换：
  定义管状结构表面体素集合：

  给出距离公式（本文使用的是欧几里得距离公式）：

其中yv代表体素v在管状结构前景中的Groud Truth，yv=1时代表v在管状结构内部，yv=0代表在表面。通过欧氏距离能够计算出管状结构内部各体素到表面的距离，这不仅能够解决上述的当前困难中的（2）的问题，还可以侧面的得到每个横截面的圆心，其到管状结构表面的距离就是距离图所对应的值，即当前圆的半径。
  因为神经网络的不稳定性，将连续距离变换图D转换成离散量化距离图Z。
（2）深度距离变换的训练
  在训练阶段有两个分支，分别是静脉标签图Y和尺度类别图，其分别经过权重交叉熵损失函数和新引入的距离损失函数公式到3D Deep Network中学习。
  权重交叉熵损失函数如下：

其中βp和βn别分为前景和背景的损失权重，pv为被第一个分支预测为管状结构的概率.
  新引入的距离损失公式如下：

其中i(·)为指示函数，gvk为v的尺度属于第k尺度类的概率
  本文的损失函数为Lcls+Ldis
(3) 几何细化（Geometry-aware Refinement）
  Pv为体素v被预测为管状结构的概率，gvk为v的尺度属于第k尺度类的概率。引入了一种几何感知的细化方法，通过根据细化来获得最终分割结果。
①生成伪骨架：根据测试阶段得到的Vein Probability MAP:P使用阈值法进行细化得到Pseudo Skeleton Map:S。如果pv>Tp,sv=1，否则sv=0，其中Tp为阈值。
②形状重构
③分割细化

实验

数据集

  文本共使用五个数据集，分别是MSN中的肝脏数据集，三个私有数据集，还有一个HIPAA的病例对照研究（引用46中的数据集）。评价指标为DSC。
（1）在PDAC数据集上
消融实验围绕distance loss term和geometry-aware refinement展开，分别设置四个变量：
  ①DDT ，w/o GAR
  ②DDT ，w/ GAR
  ③DDT ，w/o GAR
  ④DDT ，w/ GAR
  实验得出DDT ，w/ GAR的表现显著。
（2）在MSD的肝血管数据集上
  将SegBaseline和DDT分别带入到了三种网络中进行对比。DDT效果显著。

如何通过扩张导管发现PDAC肿瘤？

  扩张导管的出现是肿瘤存在的重要线索。

（1）首先将预测的半径表示为Zvi，argmax(xi·Zvi)>Ts时，即最大横截面积大于Ts，认为这是一个扩张血管，肿瘤可能存在于头部位置，Ts通常设置为3，因为扩张血管的半径大于1.5的时候，就会被认定为是扩张血管。
（2）根据扩张导管的位置裁取边长为3的正方形区域。
（3）验证候选区域