[Survey] Kaggle - Data Science Bowl 2017, 2位解法

Kaggleの肺がん検出コンペData Science Bowl 2017¹(以下DSB2017と表記)の2位解法の調査です．

• Names: Julian & Daniel
• Title: Very quick 1st summary of julian's part of 2nd place solution.
• URL: https://www.kaggle.com/c/data-science-bowl-2017/discussion/31551

DSB2017とは

• 肺がんの検出コンテスト
• 症例ごとの有無の検出のみで可(位置を特定する必要はない)

検出の流れとしてはCT画像には肺結節²と呼ばれる白っぽい塊があって，悪性だったりすると肺がんがあったりします．
そのため，コンピュータに肺がんを検出させるためには，

1. 結節影を検出する
2. 肺がんかどうかを判定する

という二段階の判定で検出するアプローチを取る方式が多いみたいです．

外部データセット

• LUNA16³
• LIDC-IDRI⁴

LUNA16

• 肺結節のデータセット(悪性腫瘍かどうかは不明)
• 888件のCTデータ
• 肺結節に対して，「なし」，「3mm以下」,「3mm以上」の3パターンでラベル付け
• スライス厚が2.mm以上のCTは除外
• LIDCやIDRIといった大規模データセットに対する肺結節の自動検出が課題
• 4名の放射線科医の診断結果が記載されている．

LIDC-IDRI

• 肺画像のデータセット
• 1018件のCTデータ
• 肺結節については「なし」，「3mm以下」，「3mm以上」の3パターンでラベル付け
• 悪性腫瘍に関する情報もある．

Julian

• Code: https://github.com/juliandewit/kaggle_ndsb2017/
• Paper: http://juliandewit.github.io/kaggle-ndsb2017/

環境

• GTX-980
• Keras
• Windows(64bit)

アプローチ

• LIDCの医師のラベル付きの悪性腫瘍を利用
• LUNA16の陰性ラベル(正常な患者)を利用(LUNA16は肺結節情報のみで悪性かどうかのデータセットはないため，正例データは今回のコンテストには使えない．)
• 1ボクセル1mmに等方位ボクセル変換
• 境界部分にある肺結節も見逃さないようにするために，肺野のみ抽出したデータではなく元の画像で学習
• 座標が0〜1に収まるようスケール変換
• 正例と負例が，本当に正しいか自作ビューワーで確認

ラベル

• 医師の誰か一人でもpositiveと判定した箇所は全てpositive扱いにした(4人の放射線技師での判定をLUNA16では行っている)
• LUNA16では3cm以上の肺結節はラベル付(セグメンテーション?)されていなかったため，LUNA16の3cm以上の結節があるデータは除外．

モデル

• 32x32x32の3D ConvNetで肺結節の検出と悪性かどうかの判断を同時に行う．(Danielは2段階に分けた)
• VGG風のC3D⁵構造
• ネットワークのパラメータ最適化には時間を使っていない．
• positive:negative = 1:20になるようpositiveをアップサンプリング(元々はpositive:negative = 1:200)
• 大きな結節を検出できるようにするため，3種類のズームレベル(1.0, 1.5, 2.0mm/voxel)を使用
• LUNA16利用データ:
  • 候補点数: 400,000
    • 非肺組織: 100,000
    • 偽陽性: 10,000(肺結節だが悪性ではない)
    • LIDC陽性: 2,000
• NDSBには悪性腫瘍の場所が記載されていないので，自分で該当箇所にマーク付けを行った．
• LUNA16には3cm以上の肺結節は取り扱っていなかったため，ネットワークが混乱することを割けるためにデータセットから除外
• 12mm間隔にCT画像を区切って悪性腫瘍がないか判定．
  • 悪性腫瘍度の最大値とz座標のみを最終予測の特徴量として利用
  • つまり240x240x240のCTデータだと20x20x20=8000件の予測
• 3段階のズームレベル(1.0, 1.5mm, 2.0mm/voxel)で大きな肺結節も検出できるようにした

変な組織(strange tissue)検出

• 3D ConvNetでの判定とは別に変な組織の検出も試みる．
• 訓練データに10箇所ぐらい変な組織があって，その半分が悪性腫瘍だったため．
• どういう定義で"strange tissue"といっているのかは不明．

最終的な判定

• Xgboost⁶
  • 3段階のズームレベルでの悪性腫瘍度の最大値
  • z座標
  • min_child_weight: 60 (過学習を防ぐため)
• Danielsの解との平均で提出
  

Daniels

• Code: https://github.com/dhammack/DSB2017/
• Paper: https://github.com/dhammack/DSB2017/blob/master/dsb_2017_daniel_hammack.pdf

アプローチ

• 64x64x64のResNet風の3D ConvNetを使用
• LIDCの悪性腫瘍と結節情報を使用
• 疑わしい領域の抽出にU-Net⁷を利用

References

---

1. Kaggle, Data Science Bowl 2017, 2017. ↩

2. NCCN.org, 小細胞肺がん　Small Cell Lung Cancer, 2014. ↩

3. LUNA16, 2016. ↩

4. LIDC-IDRI, 2016. ↩

5. Tran et al., Learning Spatiotemporal Features with 3D Convolutional Networks, 2015. ↩

6. dmlc, Xgboost ↩

7. Ronneberger et al., U-Net: Convolutional Networks for Biomedical Image Segmentation, 2015. ↩