[論文レビュー] A Strong Baseline for Domain Adaptation and Generalization in Medical Imaging

Yao Li, Jordan Prosky+2 more|arXiv (Cornell University)|Apr 2, 2019

COVID-19 diagnosis using AI被引用数 9

ひとこと要約

本論文は、多様でマルチソースのコントロールX線データセットを用いて深層学習モデルを訓練することで、医療画像におけるドメイン適応および一般化のための単純ながらも効果的なベースラインを提案する。10カ国から得た複数のドメインを統合したデータでファインチューニングされたDenseNet-121を用いることで、ドメイン外のテストセットにおいて一貫した性能向上を達成し、マルチドメイン学習が一般化性能を著しく向上させ、ドメインオーバーフィッティングを低減することを示している。

ABSTRACT

This work provides a strong baseline for the problem of multi-source multi-target domain adaptation and generalization in medical imaging. Using a diverse collection of ten chest X-ray datasets, we empirically demonstrate the benefits of training medical imaging deep learning models on varied patient populations for generalization to out-of-sample domains.

研究の動機と目的

• 単一の施設で訓練されたモデルがドメイン外データで失敗するという医療画像分野におけるドメインオーバーフィッティングの深刻な課題に対処すること。
• 複数の多様な患者集団で学習させることで、異なる臨床環境や地理的地域におけるモデルの一般化性能が向上するかどうかを調査すること。
• 単一ドメイン学習よりも優れた、実用的で直感的な医療画像分野におけるドメイン一般化のベースラインを確立すること。
• データの多様性が、異なる医療機関にモデルを展開する際の性能低下を緩和するという実証的利点を示すこと。

提案手法

• ImageNetで事前学習されたDenseNet-121モデルを、世界中の多様なソースから得た5つの公開および1つの非公開のコントロールX線データセットの結合データセット上で訓練する。
• すべてのデータセットに対して標準的な80/20の患者分割を採用し、ドメイン固有のデータ拡張や正規化は行わない。
• 10の異なるテストドメイン（異なる国からの公開および非公開データセットを含む）において、AUC（受信器操作特性曲線下の面積）を用いてモデルの性能を評価する。
• ドメインごとの寄与度を評価するために、1つのドメインを除いて学習する「1ドメインを除く」実験を実施する。
• 個々のドメインで学習したモデルと、すべてのドメインを同時に学習したモデルの性能を比較し、データ多様性の恩恵を定量化する。
• ドメイン固有の正則化や敵対的訓練を用いない標準的な交差エントロピー損失および標準最適化法（例：Adam）を用いる。

実験結果

リサーチクエスチョン

• RQ1 単一ドメイン学習と比較して、複数の多様な医療画像データセットで学習させることで、ドメイン外のテストセットへのモデル一般化性能が向上するか？
• RQ2 特定のソースドメインを除外した場合、訓練中に見なかったターゲットドメインでのモデル性能にどのような影響が生じるか？
• RQ3 患者集団、臨床環境、地理的地域の多様性が、コントロールX線分類におけるドメインオーバーフィッティングをどの程度低減するか？
• RQ4 マルチソースデータ上で、敵対的でなく、拡張処理も施さない単純な学習戦略が、医療画像分野におけるドメイン一般化の強力なベースラインとして機能できるか？

主な発見

• 5つのソースドメインを同時に学習したモデルは、PADテストセットでAUC 0.850を達成し、個々のソースで学習したモデル（例：NIHで学習した場合の0.811）を上回った。
• 5つのドメインを同時に学習したモデルは、CHN 1でAUC 0.835を達成し、最良の単一ソースモデル（0.781）を大きく上回り、未観測の中国データセットへの強い一般化性能を示した。
• 1ドメインを除く実験では、AUS、PAD、MIMを除外すると中程度の性能低下（OPIでのAUCが0.786から0.758に低下）が観察され、これらドメインが一般化性能に独自の貢献をしていることが示された。
• 個々のドメインで学習したモデルは高いドメイン内性能（例：CHXで学習した場合の0.866）を示したが、ドメイン外での性能は低かった（例：NIHでのAUC 0.732）、ドメインオーバーフィッティングの顕著な兆候であった。
• マルチソースモデルは、すべての5つのドメイン外テストセットでAUCが0.78以上を維持し、CHXで最高のAUC 0.862を記録し、ドメインシフトに対して高いロバスト性を示した。
• 1つのソースでの学習でさえ、ドメイン内AUCは高く（例：CHXで0.866）、他のドメインでは顕著に性能が低下（例：NIHで0.732）したため、マルチドメイン学習の必要性が強調された。