[论文阅读] Efficient semi-supervised gross target volume of nasopharyngeal carcinoma segmentation via

[论文地址] [代码] [MICCAI 21]

Abstract

总目标体积(Gross Target Volume, GTV)分割在鼻咽癌(NasoPharyngeal Carcinoma, NPC)的放疗计划中起着不可替代的作用。尽管卷积神经网络（CNN）在这一任务中取得了良好的性能，但它们依赖于大量的标记图像进行训练，而这些图像的获取是昂贵和耗时的。在本文中，我们提出了一个新颖的框架，采用不确定修正金字塔一致性(URPC)正则化，用于半监督的NPC GTV分割。具体来说，我们扩展了一个骨干分割网络来产生不同尺度的金字塔预测。金字塔预测网络(PPNet)由已标记图像的基础真值和未标记图像的多尺度一致性损失监督，其动机是对同一输入的不同尺度的预测应该是相似和一致的。然而，由于这些预测的分辨率不同，鼓励它们直接在每个像素上保持一致，其鲁棒性较低，可能会失去一些细微的细节。为了解决这个问题，我们进一步设计了一个新颖的不确定性矫正模块，使框架能够逐渐从不同尺度上有意义的、可靠的一致区域中学习。在一个有258张NPC MR图像的数据集上的实验结果表明，在只有10%或20%的图像被标记的情况下，我们的方法通过利用未标记的图像在很大程度上提高了分割性能，而且它也优于五个最先进的半监督分割方法。此外，当只有50%的标记图像时，URPC取得了82.74%的平均Dice分数，接近于完全监督学习。

Method

本文提出了一个使用半监督进行鼻咽癌分割的框架，如下所示：

主要亮点在于不确定性(uncertainty)的计算方式。传统方法诸如MC-Dropout依赖于对同一张图像进行多次推理，从而较为耗时。本文受分割任务中常用的deep supervision的启发，提出了一种"Multi-Scale Consistency"，即各级decoder输出的内容应该是一致的：$${\mathcal{D}}_s\approx \sum _{j=0}^C{p}_s^j\cdot \log \frac{p_s^j}{p_c^j}$$ 使用的是KL散度。$p_s$为各级decoder的预测结果，$p_c$为各级decoder的预测结果的平均。这一不确定性有两种作用，直接看最终的无监督损失：$${\mathcal{L}}_{\text{unsup }}=\frac{1}{S}\frac{{\sum }_{s=0}^{S-1}{\sum }_v{\left(p_s^v-p_c^v\right)}^2\cdot w_s^v}{{\sum }_{s=0}^{S-1}{\sum }_v{w}_s^v}+\frac{1}{S}\sum _{s=0}^{S-1}{\Vert {\mathcal{D}}_s\Vert }_2$$ 包含两部分。右边这个$\frac{1}{S}{\sum }_{s=0}^{S-1}{\Vert {\mathcal{D}}_s\Vert }_2$指的就是直接约束各级输出结果应尽可能一致，而左边这个相当于额外利用这个uncertainty做了一个attention，即选择"各级输出结果一致"的像素来参与监督过程。如果有的位置预测结果是不一致的，意味着该区域不确定性较高，不将其纳入监督。