[論文レビュー] A Heterogeneous Ensemble for Multi-Center COVID-19 Classification from Chest CT Scans

Aadit Nilay, Bhavesh Thapar+2 more|arXiv (Cornell University)|Mar 15, 2026

COVID-19 diagnosis using AI被引用数 0

ひとこと要約

要旨: 複数センターにまたがる胸部CTスキャンからCOVID-19を分類するために、3つの推論パラダイムを横断する9モデルの異種アンサンブルを導入し、4つの病院センターでマクロF1=0.9280を達成、単一最良モデルを0.031上回る。

ABSTRACT

The COVID-19 pandemic exposed critical limitations in diagnostic workflows: RT-PCR tests suffer from slow turnaround times and high false-negative rates, while CT-based screening offers faster complementary diagnosis but requires expert radiological interpretation. Deploying automated CT analysis across multiple hospital centres introduces further challenges, as differences in scanner hardware, acquisition protocols, and patient populations cause substantial domain shift that degrades single-model performance. To address these challenges, we present a heterogeneous ensemble of nine models spanning three inference paradigms: (1) a self-supervised DINOv2 Vision Transformer with slice-level sigmoid aggregation, (2) a RadImageNet-pretrained DenseNet-121 with slice-level sigmoid averaging, and (3) seven Gated Attention Multiple Instance Learning models using EfficientNet-B3, ConvNeXt-Tiny, and EfficientNetV2-S backbones with scan-level softmax classification. Ensemble diversity is further enhanced through random-seed variation and Stochastic Weight Averaging. We address severe overfitting, reducing the validation-to-training loss ratio from 35x to less than 3x, through a combination of Focal Loss, embedding-level Mixup, and domain-aware augmentation. Model outputs are fused via score-weighted probability averaging and calibrated with per-source threshold optimization. The final ensemble achieves an average macro F1 of 0.9280 across four hospital centres, outperforming the best single model (F1=0.8969) by +0.031, demonstrating that heterogeneous architectures combined with source-aware calibration are essential for robust multi-site medical image classification.

研究の動機と目的

• スキャナー、プロトコル、患者集団の差異によって生じる複数の病院センターにおけるドメインシフトに対処する。
• 胸部CTからのCOVID-19分類を改善する頑健な異種アンサンブルを開発する。
• 高度なトレーニングと拡張戦略で過学習を抑制し、一般化を向上させる。
• ソースごとの閾値でモデル出力をキャリブレーションし、マルチサイトでの性能を強化する。）

提案手法

• 3つの推論パラダイムを使用：(1) 自己教師付き DINOv2 Vision Transformer におけるスライスレベルのシグモイド集約；(2) RadImageNet 事前学習済み DenseNet-121 によるスライスレベルのシグモイド平均化；(3) EfficientNet-B3, ConvNeXt-Tiny, および EfficientNetV2-S のバックボーンを用いた7つの Gated Attention MIL モデルによるスキャンレベル Softmax 分類。
• ランダムシード変動と確率的重み平均化でアンサンブルの多様性を高める。
• Focal Loss、埋め込みレベルの Mixup、ドメイン認識型拡張で過学習に対処する。
• スコア重み付き確率平均化でモデル出力を統合し、ソースごとの閾値最適化でキャリブレーションを行う。

実験結果

リサーチクエスチョン

• RQ1 ドメインシフト下で異種アンサンブルは多センターのCOVID-19 CT分類を改善できるか。
• RQ2 マルチサイト評価において、ソース認識キャリブレーション（センターごとの閾値）は一様キャリブレーションより優れているか。
• RQ3 多様なアーキテクチャとトレーニング戦略はセンター特有の変動に対してどのように頑健性を高めるか。

主な発見

• アンサンブルは4つの病院センター全体で平均マクロF1=0.9280を達成。
• アンサンブルは最良の単一モデル（F1=0.8969）より0.031高い。
• 検証データと訓練データの損失比が35倍から3倍以下に減少し、過学習が抑制された。
• 複数のアーキテクチャとトレーニングパラダイムからの多様性とキャリブレーションが、堅牢なマルチサイト性能の鍵となる。