[論文レビュー] A multi-task deep learning model for the classification of Age-related Macular Degeneration

Qingyu Chen, Yifan Peng+6 more|arXiv (Cornell University)|Dec 2, 2018

Retinal Imaging and Analysis参考文献 15被引用数 46

ひとこと要約

この論文は、AMDの悪性度を分類するマルチタスク深層学習モデルを紹介します。まず4つのAMD特徴（ドリューゼン領域、地理的萎縮、色素増加、脱色）をスコアリングし、次にAREDS 1-9の悪性度スコアを算出します。これにより、AREDSおよびAREDS2データセットで最先端よりも高い精度とF1スコアを達成します。

ABSTRACT

Age-related Macular Degeneration (AMD) is a leading cause of blindness. Although the Age-Related Eye Disease Study group previously developed a 9-step AMD severity scale for manual classification of AMD severity from color fundus images, manual grading of images is time-consuming and expensive. Built on our previous work DeepSeeNet, we developed a novel deep learning model for automated classification of images into the 9-step scale. Instead of predicting the 9-step score directly, our approach simulates the reading center grading process. It first detects four AMD characteristics (drusen area, geographic atrophy, increased pigment, and depigmentation), then combines these to derive the overall 9-step score. Importantly, we applied multi-task learning techniques, which allowed us to train classification of the four characteristics in parallel, share representation, and prevent overfitting. Evaluation on two image datasets showed that the accuracy of the model exceeded the current state-of-the-art model by > 10%.

研究の動機と目的

• 専門家の評価の時間とコストのため、手動の9段階スコアリングを超える自動化・スケーラブルなAMD悪性度評価を動機づける。
• 4つのAMD特徴を予測し、9段階 AREDS悪性度スケールを導出することで、ヒトの読影センターの評価を模倣する。
• 特徴間で表現を共有するマルチタスク学習を活用し、過剰適合を抑制する。
• AREDSおよびAREDS2データセットで頑健性と一般化性を評価し、既存モデルと比較する。

提案手法

• 4つの分類器が初期層を共有するマルチタスクアーキテクチャを提案し、各AMD特徴ごとにタスク固有のヘッドを有する（Inception-V3ベースの特徴抽出機を使用）。
• 明るさを正規化し、正方形にクロップし、512x512ピクセルへリサイズする前処理を使用。
• データ拡張（回転、反転）とドロップアウトを適用して過学習を抑制し、クロスエントロピーロスを用いたAdamオプティマイザで訓練する。
• 2段階の訓練を実装: (i) 共有表現を学ぶためにすべてのタスクを並行訓練、(ii) 共有層を凍結したままタスク固有ヘッドを微調整。
• 4つの特徴の予測を基に、ドリューゼン領域、地理的萎縮、色素増加、脱色の定義マッピングに従って AREDS悪性度スコアを算出する（論文のTable 1に準拠）。
• Grassmann らのモデルと AREDSで訓練されたCNNベースラインを比較し、AREDSで5分割交差検証、AREDS2で独立テストを行う。

実験結果

リサーチクエスチョン

• RQ1 マルチタスクモデルはAREDSおよびAREDS2でAREDS 1-9悪性度スケールを予測する際、単一タスクモデルおよびベースラインCNNモデルより優れているか？
• RQ2 4つのAMD特徴の中間予測は最終的な悪性度スコアリングと解釈可能性を改善するか？
• RQ3 ImageNetからの転移学習とマルチタスク訓練は、AREDSとAREDS2データセット間の一般化にどう影響するか？
• RQ4 どのAMD特徴が悪性度スコアリングの誤差の大部分を生み出し、クラスのバランスは性能にどう影響するか？
• RQ5 AREDSとAREDS2データセット間の分布シフトに対して、マルチタスク手法は頑健か？

主な発見

• マルチタスクモデルは、AREDSおよびAREDS2データセットのすべての指標でCNNベースラインおよびGrassmannモデルを上回った。
• AREDS2では、マルチタスクモデルがCNNベースラインより重み付きF1スコア約5%、κ（カッパ）約3%、精度約4%向上を達成。
• 単一タスク学習と比較して、マルチタスク学習は重み付きF1スコア約4%、その他指標約2%向上。
• ImageNetの事前学習重みを用いた転移学習は一般化の向上に寄与し、特にAREDS2で顕著だった。
• 誤差分析ではドリューゼン領域分類が主なボトルネックで、クラスごとの精度が低く、データの不均衡と一部クラスのサンプル数が限られていることを示唆している。