[論文レビュー] An Efficient Cervical Whole Slide Image Analysis Framework Based on Multi-scale Semantic and Spatial Deep Features

Ziquan Wei, Shenghua Cheng+2 more|arXiv (Cornell University)|Jun 29, 2021

AI in cancer detection参考文献 33被引用数 6

ひとこと要約

本稿では、インライン接続ネットワーク（InCNet）を用いてマルチスケールの意味的・空間的深層特徴を統合することで、頸部WSI分類の性能を向上させる、軽量で効率的な全スライド画像（WSI）解析フレームワークYOLCOを提案する。重複するパッチ処理を低減し、空間的監視を統合することで、YOLCOは2.51倍高速な推論と、マルチコhort WSIデータセットで0.872のAUCスコアを達成し、従来手法を上回る性能を示した。

ABSTRACT

Digital gigapixel whole slide image (WSI) is widely used in clinical diagnosis, and automated WSI analysis is key for computer-aided diagnosis. Currently, analyzing the integrated descriptor of probabilities or feature maps from massive local patches encoded by ResNet classifier is the main manner for WSI-level prediction. Feature representations of the sparse and tiny lesion cells in cervical slides, however, are still challengeable for the under-promoted upstream encoders, while the unused spatial representations of cervical cells are the available features to supply the semantics analysis. As well as patches sampling with overlap and repetitive processing incur the inefficiency and the unpredictable side effect. This study designs a novel inline connection network (InCNet) by enriching the multi-scale connectivity to build the lightweight model named You Only Look Cytopathology Once (YOLCO) with the additional supervision of spatial information. The proposed model allows the input size enlarged to megapixel that can stitch the WSI without any overlap by the average repeats decreased from $10^3\sim10^4$ to $10^1\sim10^2$ for collecting features and predictions at two scales. Based on Transformer for classifying the integrated multi-scale multi-task features, the experimental results appear $0.872$ AUC score better and $2.51 imes$ faster than the best conventional method in WSI classification on multicohort datasets of 2,019 slides from four scanning devices.

研究の動機と目的

• 上流エンコーダーの性能不足による、頸部WSIにおける希少で微小な病変細胞の特徴表現が不十分な問題に対処すること。
• 従来のWSI解析における重複パッチサンプリングと繰り返し処理による非効率性を克服すること。
• 頸部細胞に未利用の空間的情報を活用し、意味的理解度とモデル性能を向上させること。
• 重複なしでメガピクセルサイズの入力を処理できる軽量でスケーラブルなフレームワークを開発し、推論速度と一貫性を向上させること。
• 多様なスキャン装置とマルチコhortデータセットにおいて、WSI分類で最先端の性能を達成すること。

提案手法

• マルチスケール特徴の接続性を向上させることで、特徴表現の効率性とモデルの軽量化を図るインライン接続ネットワーク（InCNet）の設計。
• 頸部細胞の空間的コンテキストを保持・活用するため、空間的特徴に追加の監視を導入し、意味的理解を向上させること。
• 重複するパッチサンプリングを排除することで、入力サイズをメガピクセルスケールに拡張し、平均繰り返し回数を10³–10⁴から10¹–10²に削減すること。
• マルチスケール・マルチタスク特徴を統合するため、Transformerベースの分類器を用いて堅牢なWSIレベルの予測を実現すること。
• 一般化を確保するため、4台の異なるスキャンデバイスから得た2,019枚の頸部WSIスライドを用いて、エンドツーエンドでモデルを訓練および評価すること。

実験結果

リサーチクエスチョン

• RQ1 マルチスケールの意味的・空間的特徴は、頸部WSIにおける希少で微小な病変細胞の検出を向上させることができるか？
• RQ2 重複するパッチサンプリングを排除することで、WSI解析における推論効率と予測の一貫性にどのような影響を与えるか？
• RQ3 追加の空間的監視は、頸部WSI分類における深層学習モデルの性能をどの程度向上させるか？
• RQ4 YOLCOのような軽量モデルは、従来手法と比較して顕著に推論時間を短縮しながらも、高い精度を維持できるか？
• RQ5 提案されたフレームワークは、複数のスキャンデバイスからの多様なWSIデータセットにどのように一般化されるか？

主な発見

• 提案されたYOLCOフレームワークは、マルチコhort WSIデータセットで0.872のAUCスコアを達成し、最良の従来手法を著しく上回った。
• 重複するパッチサンプリングを排除することで、平均的な繰り返し特徴および予測計算回数を10³–10⁴から10¹–10²に削減した。
• 最良の従来手法と比較して、推論時間に2.51倍の高速化を達成しながらも、高い診断精度を維持した。
• 空間的監視の統合により、微小で希少な病変細胞の特徴表現が向上し、モデルの感受性が向上した。
• 重複なしでメガピクセルサイズの入力を処理できたため、多様なスキャンデバイスにわたる効率的でスケーラブルなWSI解析が実現された。