[論文レビュー] DiagSet: a dataset for prostate cancer histopathological image classification

Michał Koziarski, Bogusław Cyganek+9 more|arXiv (Cornell University)|May 9, 2021

AI in cancer detection被引用数 12

ひとこと要約

本稿では、430枚の全スライド画像（WSI）を含む大規模なヒストパスロジックデータセットDiagSetと、複数の倍率で複数の畳み込みニューラルネットワーク（CNN）をアンサンブル化した深層学習フレームワークを提案する。この手法は、がん組織の分類に用いられ、画素単位での分類で94.6%の正確性を達成し、スキャン単位での診断において人間の病理医と強い一致を示した（Spearman r = 0.75–0.83）。統計的仮説検定と専門家との相関分析によって検証された。

ABSTRACT

Cancer diseases constitute one of the most significant societal challenges. In this paper, we introduce a novel histopathological dataset for prostate cancer detection. The proposed dataset, consisting of over 2.6 million tissue patches extracted from 430 fully annotated scans, 4675 scans with assigned binary diagnoses, and 46 scans with diagnoses independently provided by a group of histopathologists can be found at https://github.com/michalkoziarski/DiagSet. Furthermore, we propose a machine learning framework for detection of cancerous tissue regions and prediction of scan-level diagnosis, utilizing thresholding to abstain from the decision in uncertain cases. The proposed approach, composed of ensembles of deep neural networks operating on the histopathological scans at different scales, achieves 94.6% accuracy in patch-level recognition and is compared in a scan-level diagnosis with 9 human histopathologists showing high statistical agreement.

研究の動機と目的

• 熟練したヒストパスロジストの不足に起因する、信頼性の高い自動前立腺がん診断の増大するニーズに対処する。
• 深層学習モデルのトレーニングおよびベンチマークのための、標準化されたグリソンスコアリングを伴う、完全にアノテートされた大規模な全スライド画像（WSI）データセットの作成。
• マルチスケールの深層ニューラルネットワークと統計的仮説検定を組み合わせた機械学習フレームワークの開発により、診断の信頼性を向上させ、誤診を低減する。
• 相関係数と統計的検証を用いて、人間の専門家との比較によって、提案されたシステムの性能を評価する。
• 将来的な研究指針を得るため、ラベルノイズ、データの不均衡、データ量の不足といった、モデル性能に悪影響を及ぼす要因を特定および分析する。

提案手法

• DiagSetデータセットは、430枚の完全にアノテートされたWSI、4,675枚のバイナリ診断（がん／がんなし）スキャン、および9名の病理医によるコンセンサス診断を伴う46枚のスキャンを含む。
• 異なる倍率レベルで抽出された組織画素に対して、事前学習済みの複数のCNNアーキテクチャ（AlexNet、VGG16、VGG19、ResNet50、InceptionV3）を微調整した。
• 異なる倍率スケールで学習された個々のネットワークの予測を組み合わせることでアンサンブルモデルを構築し、クラス確率の重み付き平均を用いた。
• 予測の信頼性を評価するために、パラメトリック（t検定）およびノンパラメトリック（Mann-Whitney U検定、Wilcoxon符号順位検定）仮説検定を用いた統計的検証フレームワークを適用した。
• 不確実性の高い場合に意思決定を控えるためのしきい値処理を採用し、耐障害性を高め、誤診を低減した。
• スキャン単位での診断評価は、46枚の匿名化されたWSIについて、モデル出力と9名の病理医の出力をSpearman順位相関で比較することで行った。

実験結果

リサーチクエスチョン

• RQ1 マルチスケールの深層学習アンサンブルモデルは、大規模で専門家がアノテートしたデータセットを用いて、ヒストパスロジックWSIからの前立腺がん分類において高い正確性を達成できるか？
• RQ2 DiagSetにおける深層学習モデルの性能は、診断の一貫性と一致度の観点から、人間の病理医と比較してどの程度か？
• RQ3 ラベルノイズ、データの不均衡、データ量の不足といった要因が、ヒストパスロジック画像分類タスクにおけるモデル性能に悪影響を及ぼす主な要因であるか？
• RQ4 統計的仮説検定により、不確実性を考慮した意思決定を可能にすることで、深層学習ベースの診断の信頼性はどの程度向上できるか？
• RQ5 機械学習システムは、前立腺がん診断における人間専門家間の変動範囲と同等の診断合意に到達できるか？

主な発見

• 提案された深層ニューラルネットワークのアンサンブルは、バイナリ画素単位分類（がん対がんなし）で94.6%の正確性を達成し、最良の設定では94.67%に達した。
• 機械学習システムは人間の病理医と強く相関しており、46枚のWSIにおいてSpearman相関係数が0.75から0.83の範囲で変動した。
• 病理医間の最低相関係数は0.64であり、モデルの性能が人間の専門家間の変動範囲内にあることを示した。
• 統計的仮説検定フレームワークは、不確実な予測を効果的に同定し、信頼度が低い場合には意思決定を控えることを可能にした。
• 本研究では、ラベルノイズ、データの不均衡、データ量の不足が、モデル性能に悪影響を及ぼす主な要因であると特定し、今後の研究における焦点を示した。
• DiagSetデータセットはhttps://ai-econsilio.diag.plで公開されており、計算病理学分野における再現性とさらなるベンチマークに貢献している。