U-Net

生物医学画像のセグメンテーションのために生まれたネットワーク

U-Netは、生物医学画像のセグメンテーションを目的として提案された畳み込みネットワークと、その学習戦略です。深いネットワークをうまく学習させるには数千件規模の注釈付き学習サンプルが必要だという考えが広く共有されていました。U-Netはこの前提に対し、手元にある少ない注釈付き画像をより効率よく使う方針を取りました。

生物医学分野に特有の2つの要件

生物医学画像処理では、望ましい出力に位置の特定(localization)が含まれている必要があります。画像全体に1つのラベルを付けるだけでは足りず、対象が画像のどこにあるのかまで示すことが求められます。

もう1つの課題は学習データの量です。生物医学のタスクでは、数千枚規模の学習画像を用意すること自体が難しいのが普通です。U-Netは、この2つの要件、つまり正確な位置の特定と、少ない学習画像での学習の両方に応えるよう設計されています。

縮小パスと拡大パスが作るU字型の構造

U-Netのネットワークは、左側の縮小パス(contracting path)と右側の拡大パス(expansive path)から成ります。

縮小パスは、典型的な畳み込みネットワークの構成に従います。チャネル数を増やしながら、畳み込みとプーリングを繰り返します。この経路の役割は、画像の文脈を捉えることです。

拡大パスは、縮小パスとほぼ対称な構造を持ちます。拡大パスの各段階では、特徴マップをアップサンプリングし、それに対応する縮小パス側の高解像度の特徴を組み合わせます。これにより、正確な位置の特定が可能になります。

左側で下っていく縮小パスと、右側で上っていく拡大パスが左右対称に並ぶため、全体の形がU字型になります。これがU-Netという名前の由来です。文脈を捉える経路と位置を特定する経路を対称に組み合わせたことが、この構造の要点です。

データ拡張を強く活用する学習戦略

U-Netの学習戦略の中心は、データ拡張を強く活用することです。学習画像が少ないという課題に対し、手元の学習画像に弾性変形(elastic deformation)を加えることでデータを拡張します。

論文では、弾性変形は生物医学のセグメンテーションで特に重要だと述べられています。構造と学習戦略を組み合わせたことで、U-Netはごく少数の画像からend-to-endで学習できることが示されました。

報告された成果と処理速度

U-Netは、電子顕微鏡の画像スタックに写った神経構造をセグメンテーションするISBIのチャレンジで、それまで最良だった手法を上回りました。従来の最良の手法は、スライディングウィンドウ方式の畳み込みネットワークでした。

さらに、同じネットワークを透過光顕微鏡画像(位相差とDIC)で学習させ、ISBI細胞追跡チャレンジ2015の該当部門で大差をつけて優勝しました。論文は、このネットワークの処理が高速であることも成果として挙げています。

理解のための整理

U-Netを理解するときは、次の3点を結びつけて押さえると整理しやすくなります。1つ目は、生物医学画像のセグメンテーションという目的です。2つ目は、文脈を捉える縮小パスと、正確な位置の特定を可能にするほぼ対称な拡大パスから成るU字型の構造です。3つ目は、学習画像が少ない課題に対して弾性変形によるデータ拡張を強く活用する学習戦略です。