[論文レビュー] ERS: a novel comprehensive endoscopy image dataset for machine learning, compliant with the MST 3.0 specification

Jan Cychnerski, Tomasz Dziubich+1 more|arXiv (Cornell University)|Jan 21, 2022

Colorectal Cancer Screening and Detection被引用数 4

ひとこと要約

本稿では、柔道内視鏡およびカプセル内視鏡から得られた115,000フレームの概算ラベル付きフレームと123万フレームのラベルなしフレームを含む大規模かつマルチラベルな内視鏡画像データセットERSを紹介する。このデータセットはMST 3.0用語基準に完全準拠しており、深層学習モデルの高性能な学習を可能にし、二値分類で最大94％のFスコアを達成するとともに、正常フレームをフィルタリングするMobileNetベースの分類器を用いることで、臨床的レビューの時間を最大80％まで短縮することを示している。

ABSTRACT

The article presents a new multi-label comprehensive image dataset from flexible endoscopy, colonoscopy and capsule endoscopy, named ERS. The collection has been labeled according to the full medical specification of 'Minimum Standard Terminology 3.0' (MST 3.0), describing all possible findings in the gastrointestinal tract (104 possible labels), extended with an additional 19 labels useful in common machine learning applications. The dataset contains around 6000 precisely and 115,000 approximately labeled frames from endoscopy videos, 3600 precise and 22,600 approximate segmentation masks, and 1.23 million unlabeled frames from flexible and capsule endoscopy videos. The labeled data cover almost entirely the MST 3.0 standard. The data came from 1520 videos of 1135 patients. Additionally, this paper proposes and describes four exemplary experiments in gastrointestinal image classification task performed using the created dataset. The obtained results indicate the high usefulness and flexibility of the dataset in training and testing machine learning algorithms in the field of endoscopic data analysis.

研究の動機と目的

• 機械学習を用いた消化器疾患診断分野における、公開可能で標準化され、包括的な内視鏡データセットの著しい不足に対処すること。
• 消化器疾患の多様な所見にわたる一貫性あるラベリングを可能にする、最小基準用語法3.0（MST 3.0）準拠の大規模でマルチラベルデータセットの構築。
• 結腸鏡およびカプセル内視鏡におけるポリープ、出血、その他の消化管所見の自動検出を目的とした機械学習モデルの開発とベンチマーク化を支援すること。
• ERSデータセットを用いて、深層学習モデルのマルチクラスおよび二値分類タスクにおける性能を評価し、臨床的実用性に焦点を当てる。
• 正常フレームの自動フィルタリングによる動画レビュー時間の短縮という実用的インパクトを示すことで、データセットの実効性を実証すること。

提案手法

• ERSデータセットは、1,135名の患者から得られた1,520本の内視鏡動画を含み、柔道内視鏡、胃鏡、ワイヤレスカプセル内視鏡を含む。6,000枚の正確なラベル付きフレームと11.5万枚の概算ラベル付きフレームが含まれる。
• すべての画像は、104ラベルのMST 3.0用語を完全に使用し、機械学習応用に特に関連する19の追加ラベルを拡張してラベリングされた。
• 病変の局所化を支援するため、3,600枚の正確なマスクと22,600枚の概算マスクが含まれており、分類およびセグメンテーションの両方のタスクをサポートする。
• 畳み込みニューラルネットワーク（CNN）を用いた4つのベンチマーク実験が実施され、マルチクラス（10クラス）、ミドルレベル（5クラス）、二値分類（2クラス）の問題に適用された。
• 正常でないフレームを除外するための動画フィルタリングアルゴリズムを、トレーニング済みのMobileNetモデルに基づき適用し、検出精度と動画長短縮のバランスをとるために感度および特異度のパrameterを最適化した。
• 性能評価にはFスコアが用いられ、クラス不均衡の影響を軽減するために患者単位の画像数バランスをとったが、モデル性能に与える影響は最小限であった。

実験結果

リサーチクエスチョン

• RQ1 MST 3.0準拠の標準化され、包括的な大規模内視鏡データセットは、消化器疾患診断における機械学習モデルの性能と再現可能性を向上させ得るか？
• RQ2 異なる深層学習アーキテクチャ（例：MobileNet、NASNet-Mobile）は、ERSデータセット上で分類の複雑さ（2クラス、5クラス、10クラス）の変化に応じてどのように性能を示すか？
• RQ3 トレーニング済みの分類器を用いた正常フレームの自動フィルタリングによって、カプセル内視鏡における臨床的動画レビューに要する時間はどの程度短縮可能か？
• RQ4 正確なラベルと概算ラベルの両方のアノテーションが、病変検出タスクにおけるモデル性能に与える影響は何か？
• RQ5 データの不均衡および患者単位のデータ分布は、マルチクラス分類におけるモデルの汎化性能とFスコアにどのような影響を与えるか？

主な発見

• ERSデータセットには11.5万枚の概算ラベル付きフレームと123万枚のラベルなしフレームが含まれており、MST 3.0用語のほぼすべてのカテゴリをカバーしている。
• 10クラス分類問題では、正常組織、ぼやけた画像、静脈瘤所見に対しては86–90％のFスコアを達成し、大多数の疾患に対しては75–78％のFスコアを示した。クローヌ病のような希少疾患（84枚の画像）は、トレーニングデータが限られているため、Fスコアが38％と低かった。
• 5クラス問題では、疾患に対して80–85％のFスコア、健康な組織に対しては92％のFスコアを達成し、クラス複雑度の低減と低リソースクラスの欠如により、10クラス設定を上回る性能を示した。
• 2クラス問題（異常対正常組織）では88％のFスコアを達成し、MobileNetが最も高い性能を示した。不正確なアノテーションの使用がわずかに結果を向上させた。
• BLUR検出タスクでは、94％という最高のFスコアを達成し、この特定の分類タスクにおけるモデル性能の高さを示している。
• トレーニング済みのMobileNet分類器をWCE動画に適用した結果、感度99％で動画長が16％短縮され、感度を下げることで80％以上の短縮が達成され、臨床的レビューの高速化が顕著に実現された。