[論文レビュー] A Deep Learning Approach to Private Data Sharing of Medical Images Using Conditional GANs

Hanxi Sun, Jason Plawinski+8 more|arXiv (Cornell University)|Jun 24, 2021

AI in cancer detection参考文献 35被引用数 4

ひとこと要約

本稿では、プライバシーを守りながら臨床的に意味のある合成MRI画像を生成するための条件付きGANベースの手法を提案する。解剖学的部位（頸椎、胸椎、腰椎）を条件としてgeneratorに与えることで、高精細で多様性に富み、プライバシーを守った合成データを生成する。このデータは、実データと同等の性能を示すため、下流のタスク（例：モデルの学習）に有効に活用できる。

ABSTRACT

Sharing data from clinical studies can facilitate innovative data-driven research and ultimately lead to better public health. However, sharing biomedical data can put sensitive personal information at risk. This is usually solved by anonymization, which is a slow and expensive process. An alternative to anonymization is sharing a synthetic dataset that bears a behaviour similar to the real data but preserves privacy. As part of the collaboration between Novartis and the Oxford Big Data Institute, we generate a synthetic dataset based on COSENTYX (secukinumab) Ankylosing Spondylitis clinical study. We apply an Auxiliary Classifier GAN to generate synthetic MRIs of vertebral units. The images are conditioned on the VU location (cervical, thoracic and lumbar). In this paper, we present a method for generating a synthetic dataset and conduct an in-depth analysis on its properties along three key metrics: image fidelity, sample diversity and dataset privacy.

研究の動機と目的

• 臨床研究におけるプライバシー懸念のため、機微な医用画像データの共有が困難であるという課題に対処すること。
• 患者のプライバシーを確保しつつ、臨床的関連性を保った合成データ生成手法を開発すること。
• 画像の忠実度、サンプルの多様性、データセットのプライバシーの3つの主要指標に基づき、合成データを評価すること。
• 合成データが、深層学習モデルの学習および検証に実データと同等に有効に機能することを実証すること。
• 再現可能でオープンソースのフレームワークを提供し、合成医用画像の生成と共有を促進すること。

提案手法

• 実際の椎間板画像を用いて、解剖学的部位（頸椎、胸椎、腰椎）を条件とする補助識別器GAN（AC-GAN）を学習する。
• Generatorは、z ∈ ℝ¹⁰⁰ のノイズベクトルと、cₖ ∈ ℝ³ のワンホットエンコーディングされた条件ベクトルを入力として、合成画像を生成する。
• 画像の変形は、条件ベクトル間の線形補間により実現され、解剖学的領域間の滑らかな遷移を可能にする。
• ピクセル空間および埋め込み空間（UMAP-64を用いて）におけるペアワイズおよび分布ベースの再識別攻撃を用いて、プライバシーを評価する。
• 実データのクラス分布（25% 頸椎、55% 胸椎、20% 腰椎）に一致する10,000枚の合成データセットを生成する。
• 実データ（F2305）および合成データ上でResNet-18分類器を学習し、独立したテストセット（A2209）で性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 条件付きGANは、視覚的および統計的に実画像に類似した椎間板MRIの合成画像を生成できるか？
• RQ2 合成データセットは、元のデータに見られる解剖的変異の多様性を保持しているか？
• RQ3 ペアワイズまたは分布ベースの攻撃によって、元の患者が再識別されにくくなる程度はどの程度か？
• RQ4 合成データで学習した深層学習モデルは、実データで学習したモデルと同等の性能を達成できるか？
• RQ5 合成データセットは、下流の臨床的画像解析タスクにおいて実データの代替として実用可能か？

主な発見

• 合成画像は高い視覚的忠実度を示し、人間およびモデルベースの評価において、実画像と有意差のない知覚的品質を達成している。
• 合成データセットは、頸椎、胸椎、腰椎の各領域における解剖的変異の全範囲を捉えており、強いサンプルの多様性を示している。
• ペアワイズ攻撃において、元の画像はいかなる場合でも再識別に成功せず、ピクセル空間および埋め込み空間の最小距離が再識別閾値を上回っていた。
• 分布ベースの攻撃の結果、どの合成サンプルに対しても、実サンプルの1パーセンタイル（ピクセル空間）または0.1パーセンタイル（埋め込み空間）内に存在しなかったため、強力なプライバシー保護が実現されていることが示された。
• 合成データで学習したResNet-18分類器は、独立したテストセットでAUC 0.89を達成し、実データで学習したモデルのAUC 0.90に非常に近い性能を示した。
• コードおよび合成データセットは https://github.com/tcoroller/pGAN で公開されており、再現性とさらなる研究を可能としている。