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

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

AI in cancer detection被引用数 2

ひとこと要約

本論文では、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特徴と空間的特徴を統合することで、重複のない全スライド画像（WSI）解析を効率的に行える軽量なディーブラーニングフレームワークYOLCOを提案する。特徴抽出の繰り返し回数を10³–10⁴から10¹–10²に削減し、空間的監督を統合することで、2,019枚のスライドからなるマルチコhort WSIデータセット上で、0.872のAUCと、最良の従来手法比2.51倍の高速な推論を達成した。

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

• 全スライド画像（WSI）解析における重複するパッチ抽出と繰り返し処理によって引き起こされる非効率性と不安定性を解消すること。
• 未利用の空間的情報を活用することで、子宮頸がんWSIにおける疎で微小な病変細胞の表現を向上させること。
• 重複パッチなしで大容量入力を処理可能な軽量モデルを設計し、計算リソースの無駄を削減すること。
• マルチタスク学習フレームワーク内で追加の空間的監督を導入し、マルチスケール特徴の意味的理解を強化すること。
• 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レベル分類の高精度と高速性を達成すること。

提案手法

• パrameter数の削減と特徴表現の向上を図るため、マルチスケール特徴の接続性を強化するインライン接続ネットワーク（InCNet）を提案する。
• 重複のないメガピクセルサイズの入力パッチ処理を可能にし、繰り返し推論回数を10³–10⁴から10¹–10²に削減する、新しい「You Only Look Cytopathology Once（YOLCO）」フレームワークを導入する。
• 子宮頸細胞の幾何的・位置的情報を保持・活用する空間的監督を統合し、疎な病変の意味的理解を向上させる。
• 意味的ブランチと空間的ブランチから得たマルチスケール・マルチタスク特徴を統合するため、Transformerベースの分類器を採用し、頑健なWSIレベル予測を実現する。
• 異なる解像度で特徴量と予測値を収集する二段階の特徴抽出戦略を採用し、微小で微妙な病理的変化の検出を向上させる。
• 分類と空間的特徴学習の目的関数を同時に最適化することで、エンドツーエンド学習を実現し、低コントラストおよび希少な病変細胞の性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 重複するパッチ抽出を排除することで、WSI解析における計算リソースの無駄を軽量でエンドツーエンドのディーブラーニングフレームワークが効率的に削減できるか？
• RQ2 空間的情報を統合することで、疎で微小な子宮頸がん病変細胞の検出性能がどの程度向上するか？
• RQ3 マルチスケール特徴統合が、複数のスキャン装置からの多様なWSIデータセットにおける分類性能にどの程度寄与するか？
• RQ4 Transformerベースの分類器は、マルチスケール・マルチタスク特徴を効果的に統合し、WSIレベル診断の精度を向上させることができるか？
• RQ5 重複なしでメガピクセルサイズのWSIパッチを処理する際、推論速度と診断性能のトレードオフはどの程度か？

主な発見

• YOLCOは、重複のないメガピクセルサイズの入力処理を可能にすることで、繰り返し特徴抽出回数を10³–10⁴から10¹–10²に削減した。
• 4台の異なるスキャン装置から得た2,019枚の子宮頸がんWSIスライドからなるマルチコhortデータセット上で、AUCスコア0.872を達成した。
• WSI分類において、最良の従来手法比で2.51倍の高速化を実現し、推論効率を顕著に向上させた。
• 空間的監督の統合により、希少で微小な病変細胞の特徴表現が向上し、標準的な特徴マップを上回る意味的理解が可能になった。
• Transformerベースの統合を用いたマルチスケール・マルチタスク学習フレームワークは、多様な画像環境下でもより頑健で一般化性の高いWSIレベル予測を実現した。
• 本フレームワークは、複数のスキャン装置で高い性能を維持しており、実臨床環境における強力な一般化能力を示した。