[論文レビュー] Deep-learning models in medical image analysis: Detection of esophagitis from the Kvasir Dataset

Kyoka Yoshiok, Kensuke Tanioka+2 more|arXiv (Cornell University)|Jan 6, 2023

Esophageal Cancer Research and Treatment被引用数 4

ひとこと要約

本研究では、Kvasirデータセットの内視鏡画像から炎症性食道炎を同定するための4つのディーブラーニングモデル—GoogLeNet、ResNet-50、MobileNet V2、MobileNet V3—を評価した。GoogLeNetは最高のF1スコア（0.843）を達成したが、MobileNet V3は最高の真正陽性率（0.950）と精度（0.901）を示し、炎症性食道炎検出における優れた信頼性と正確性を示した。Grad-CAMやSHAPといった解釈可能AI手法により、モデルが臨床的に関連する粘膜裂に注目していることが明らかになった。

ABSTRACT

Early detection of esophagitis is important because this condition can progress to cancer if left untreated. However, the accuracies of different deep learning models in detecting esophagitis have yet to be compared. Thus, this study aimed to compare the accuracies of convolutional neural network models (GoogLeNet, ResNet-50, MobileNet V2, and MobileNet V3) in detecting esophagitis from the open Kvasir dataset of endoscopic images. Results showed that among the models, GoogLeNet achieved the highest F1-scores. Based on the average of true positive rate, MobileNet V3 predicted esophagitis more confidently than the other models. The results obtained using the models were also compared with those obtained using SHapley Additive exPlanations and Gradient-weighted Class Activation Mapping.

研究の動機と目的

• 4つの最先端の畳み込みニューラルネットワーク（CNN）モデル—GoogLeNet、ResNet-50、MobileNet V2、MobileNet V3—が内視鏡画像から炎症性食道炎を同定する診断精度を比較すること。
• オープンなKvasirデータセットを用いて、標準指標（正解率、適合率、再現率、F1スコア）を用いてモデルの性能を評価すること。
• Grad-CAMとSHAPを用いたモデルの解釈性分析により、モデルが粘膜裂などの臨床的関連特徴に注目しているかどうかを評価すること。
• 炎症性食道炎検出において、正確性、計算効率、臨床的信頼性のバランスが取れているモデルを特定すること。

提案手法

• Kvasir内視鏡画像データセットを用いて、4つの事前学習済みCNNモデル—GoogLeNet、ResNet-50、MobileNet V2、MobileNet V3—を、炎症性食道炎対z線の二値分類タスクに適合させた。
• 標準評価指標（正解率、適合率、再現率、特異度、F1スコア）を、混同行列の値（TP、FP、TN、FN）から算出した。
• 分類意思決定に最も寄与する画像領域を可視化するために、Grad-CAMを適用した。
• 特徴レベルでの寄与度を計算するためにSHAPを活用し、どの画像パッチが炎症性食道炎の予測を支持または否定しているかを特定した。
• モデルの予測結果と正解を比較し、誤検出（偽陰性）を分析することで、モデルの信頼性と解釈可能性を評価した。
• テスト画像全体における平均真正陽性率を用いて、モデルの予測の一貫性を評価することで、モデルの信頼性を測定した。

実験結果

リサーチクエスチョン

• RQ1 Kvasirデータセットの内視鏡画像から炎症性食道炎を検出するにあたり、どのディーブラーニングモデルが最も高いF1スコアを達成するか？
• RQ2 MobileNet V3の適合率と真正陽性率は、他のモデルと比較してどのように異なるか？
• RQ3 Grad-CAMとSHAPは、モデルの意思決定プロセスをどの程度説明可能にし、どちらの手法が臨床的関連特徴をより正確に局所化できるか？
• RQ4 モデルは、正確な診断に必要なz線に近い粘膜裂といった解剖学的特徴に注目しているか？

主な発見

• GoogLeNetはF1スコアが0.843と最高を記録し、全モデルの中で適合率と再現率のバランスが最も優れていた。
• MobileNet V3は平均真正陽性率が0.950と最高を記録し、炎症性食道炎の検出に最も自信を持って対応していた。
• MobileNet V3は適合率（0.901）と特異度（0.908）も最高を記録し、陽性予測の信頼性が非常に高かった。
• SHAP解析により、MobileNet V3はGrad-CAMよりも複数の粘膜裂をより正確に同定していたことが判明した。特に高信頼度予測において顕著だった。
• 偽陰性ケースでは、SHAPが炎症性領域をz線予測の否定的要因として正しく特定しており、誤分類にもかかわらず病変特徴を認識している可能性を示唆した。
• Grad-CAMでは偽陰性ケースで勾配飽和が発生し、活性化が広範にわたるため解釈性が低下していた。SHAPに比べて解釈性が劣っていた。