視神経頭の構造的特徴に基づく残差密集ネットワーク (RD-Net) を用いた緑内障予測

背景と研究目的

緑内障は、世界的に失明を引き起こす主な原因の1つであり、「視覚の静かな窃盗者」として知られています。その主な特徴は、視神経頭（Optic Nerve Head, ONH）の進行性の損傷であり、患者が視覚障害に気付く前に不可逆的な視力喪失を引き起こす可能性があります。統計によれば、緑内障は白内障に次ぐ失明の2番目の主要原因です。緑内障の早期スクリーニングと正確な診断は、疾患の進行管理および患者の視力維持において重要な役割を果たします。

臨床的には、緑内障の診断は以下の構造および機能性テストに基づきます：眼圧（Intraocular Pressure, IOP）の測定、視神経頭の構造評価、および視野検査。しかし、視野検査は高価な設備が必要であり、地方の医療施設には普及していません。そのため、視神経頭の杯盤比（Cup-to-Disc Ratio, CDR）、盤損傷可能性スケール（Disc Damage Likelihood Scale, DDLS）、および視神経辺縁幅のISNTルール（Inferior, Superior, Nasal, Temporal領域の幅の関係）などの構造的特徴を分析することで、疾患の早期段階で迅速かつ効果的なスクリーニングを実現できます。

既存のアルゴリズムは、自動的に視神経頭の損傷を検出する試みがあるものの、多くの場合、CDRという単一の指標に依存し、他の重要な解剖学的特徴を無視していました。また、視神経頭の手動評価は時間を要し、高価であり、主観的な要因の影響を受けやすいという問題があります。このような背景から、本研究では、深層学習に基づく改良型混合モデル「残差密集ネットワーク（Residual Dense Network, RD-Net）」を開発し、視神経盤（Optic Disc, OD）と視杯（Optic Cup, OC）を精密に分割し、それに基づき緑内障を予測することを目指しました。

論文の出典

本研究はPreity、Ashish Kumar Bhandari、Akanksha Jha、ならびにSyed Shahnawazuddinらの学者によって完成され、彼らは全員インド国立技術学院（National Institute of Technology Patna）の電子通信工学部に所属しています。本研究は、2025年1月発行のIEEE Transactions on Artificial Intelligence 第6巻第1号に掲載されています。本論文では、4つのベンチマークデータセット（Drishti, RIMONE, ORIGAおよびREFUGE）を用いて実験を行い、提案モデルの有効性を示しています。

研究方法とフロー

全体のフロー概要

本研究は以下の3つの主要フェーズに分かれています： 1. 画像の前処理：データ拡張およびサンプルラベルエンコーディングを含む。 2. RD-Netモデルの構築とトレーニング：従来のU-Netを改良し、追加の深層学習モジュールを利用。 3. 特徴抽出と緑内障予測：RD-Netの分割結果に基づき、CDR、DDLS、ISNT値を算出し、予測を実現。

1. 画像の前処理

緑内障関連の網膜画像データセットが比較的少ないため、トレーニングサンプルの多様性を増やすために、Albumentationライブラリを導入して画像の多様な拡張操作を行いました（例：ランダム回転、反転、弾性変換、光学歪み、グリッド歪み、および256×256ピクセルへの統一スケール調整）。これにより6種類のバージョンの画像が生成され、トレーニングデータセットのサイズが大幅に拡張されました（例：Drishtiデータセットはトレーニング画像30枚から300枚に拡張）。

2. RD-Netネットワークのアーキテクチャ

RD-Netは、U-Netを基盤にした混合深層ネットワークであり、密集残差ブロック（Dense Residual Block）と圧縮励起ブロック（Squeeze-Excitation Block, SE Block）を採用して改良されています。モデルの詳細は以下の通りです： - 18層の畳み込み層 - 4つの最大プーリング層 - エンコーダとデコーダの間のスキップ接続

全体のアーキテクチャはエンコーダ部分とデコーダ部分に分かれています：

• エンコーダ部分：5段階の畳み込みモジュールを含み、各段階は畳み込み操作、バッチ正規化（Batch Normalization）、非線形活性化（ReLU）、そして密集残差ブロックから構成されます。それぞれの畳み込み後に最大プーリング層が適用され、重要な特徴を抽出すると同時に空間次元を削減します。

• デコーダ部分：4段階のアップサンプリング（Upsampling）を含み、スキップ接続を通じて現在のデコーダ層の出力を対応するエンコーダ層の出力と統合し、元の解像度を段階的に復元します。最後の層では、SEブロックと1×1の畳み込み層が追加され、正確な分割マップを生成します。

モデルはAdamオプティマイザーを使用して損失関数を最適化し、初期学習率を0.001に設定しました。また、He Initializationを導入して重みを初期化し、ドロップアウト率は0.2を採用して正則化を行い、過学習を防止しました。

3. 特徴抽出と予測

RD-Netによって生成された視神経盤（OD）と視杯（OC）の分割マップから以下の3つの主要な構造特徴を抽出しました： - CDRの計算：視杯の垂直長と視神経盤の垂直長の比を計算します（通常、初期緑内障の重要な指標と見なされます）。 - DDLSの計算：視神経盤の最小リム幅と直径の比で定義され、この値が0.3未満である場合、緑内障に関連する損傷と見なされます。 - ISNTルール：健康な目のリム幅の順序はInferior＜Superior＜Nasal＜Temporalであり、この順序の逸脱は疾患の可能性を示します。

これらの特徴を分析し、さらに緑内障のリスクを判別しました。

データセットと実験設定

本研究では以下の4つの公開ベンチマークデータセットを使用しました： - Drishti：合計101枚の網膜画像が含まれ、視神経盤および視杯の分割真値が注釈されています。 - RIMONE-DL：合計485枚の画像（専門家による注釈付き）。 - ORIGA：650枚の画像が含まれ、視神経盤と視杯を統合的に分割した真値を提供しています。 - REFUGE：緑内障検出コンペティション用のデータセットで、合計400枚の画像を含みます。

また、モデルのトレーニングおよびテストにはNVIDIA Tesla T4 GPUを使用し、TensorFlowフレームワークで実装しました。

実験結果と分析

定性的な分析

上述の4つのデータセットにおける実験を通じて、RD-Netが生成した分割結果は、鮮明なエッジと少ないアーティファクトを示しました。特にDrishtiなどのデータセットでの視覚結果を比較すると、RD-Netの分割品質は従来のU-NetやU-Net++などのモデルを上回っています。さらに、複雑な環境（例えば、完全な網膜画像とクロップされた領域との比較）においても、RD-Netは安定して鮮明な分割マップを提供しました。

また、ORIGAおよびREFUGEデータセットにおいて視神経盤と視杯の統合的な分割を行った際にも、RD-Netは一貫した高精度分割を示しました。

定量的分析

研究では、Dice係数（DC）、Intersection over Union（IoU）、精度（Accuracy）など7つの基準を用いてモデルの性能を定量的に評価しました。既存の代表的なアルゴリズム（例えばU-Net、ResUNet、K-meansクラスタリングなど）と比較すると、RD-Netは四つのデータセットにおいて視杯（OC）の分割精度が98.94%、視神経盤（OD）の分割精度が99.40%に達しました。また、データセットをまたいだクロステストでも、RD-Netの高いロバスト性が確認されました。

消去実験と複雑性分析

研究者は、モジュールを除外またはハイパーパラメータを調整することで、残差ブロックとSEブロックの有効性を検証しました。例えば、SEブロックを除外すると、分割品質が大幅に低下しました（DRISHTIデータセットにおけるDice係数は0.91に減少）。モデルの複雑性が若干高いため、GPUsが必須となるトレーニング要件がありますが、その卓越した性能は緑内障予測の正確性を大きく向上させています。

緑内障評価

RD-Netにより分割された結果を用いて、多角的な特徴を抽出しました。例えば、ISNTルールの逸脱、異常なDDLS値およびCDR値を解析し、緑内障予測の信頼性の高い根拠を提供しました。例えば、垂直CDRが0.45の症例において、ISNTルールおよび対応するDDLS値に基づいて非緑内障と診断しました。

研究の意義と価値

本研究で提案されたRD-Netモデルは、高精度の視神経盤と視杯の分割を実現しただけでなく、多様な構造指標を組み合わせることで緑内障診断の正確性と早期スクリーニング能力を向上させました。特に、リソースの限られた地方医療環境では、分割と予測の自動化技術が手動コストを大幅に削減し、診断効率を向上させます。

本研究の今後の課題としては、以下が挙げられます： 1. 緑内障の重症度分類システムのさらなる開発； 2. モデルを糖尿病性網膜症など他の網膜疾患にも適用。

RD-Netは、先端的な深層学習モジュールを融合することで眼科画像分析において強力なツールを提供し、公衆衛生および眼科学分野において広い応用可能性を持っています。