[論文レビュー] HiResCAM: Faithful Location Representation in Visual Attention for Explainable 3D Medical Image Classification

Rachel Lea Draelos, Lawrence Carin|arXiv (Cornell University)|Nov 17, 2020

Radiomics and Machine Learning in Medical Imaging被引用数 36

ひとこと要約

HiResCAM は、医療画像におけるマルチラベル分類のための 3D CNN が使用する特徴の忠実な局在化を保証する、ラベル固有の注意メカニズムである。Grad-CAM の勾配平均化の欠陥を克服し、RAD-ChestCT における弱教師付き臓器局在化で 37% の向上を達成し、新たな最先端水準を確立した。

ABSTRACT

Understanding model predictions is critical in healthcare, to facilitate rapid verification of model correctness and to guard against the use of models that exploit confounding variables. Here we address the challenging new task of explainable multilabel classification of volumetric medical images. We first illustrate a previously unrecognized limitation of the popular model explanation method Grad-CAM: as a side effect of the gradient averaging step, Grad-CAM sometimes highlights the wrong location. To solve this problem, we propose HiResCAM, a novel label-specific attention mechanism that is provably guaranteed to highlight only the locations the model used to make each prediction. Next, we introduce a mask loss that leverages HiResCAM to encourage the model to predict abnormalities based only on the organs in which those abnormalities appear. Our innovations produce a 37% improvement in weakly supervised organ localization of multiple abnormalities in the RAD-ChestCT data set of 36,316 CT volumes, resulting in state-of-the-art performance. We also demonstrate on PASCAL VOC 2012 the different properties of HiResCAM and Grad-CAM on natural images. Overall, this work advances convolutional neural network explanation approaches and the clinical applicability of multiple abnormality modeling in volumetric medical images.

研究の動機と目的

• 3D 医療画像における特徴の関連領域を局在化する際、勾配平均化のため Grad-CAM が信頼性に欠ける問題に対処すること。
• 各ラベルに対して真の意思決定関連領域のみを反映する注意マップを保証する手法の開発。
• ボリュメトリック CT スキャンにおける複数の異常の弱教師付き局在化の改善。
• 説明が忠実で解釈可能であることを保証することで、深層学習モデルに対する臨床的信頼を高めること。
• 3D 医療画像における説明可能なマルチラベル分類の新たなベンチマークを確立すること。

提案手法

• 各クラスごとに勾配を計算し、クラス間で平均化せずに特徴マップに直接適用するラベル固有の注意メカニズムである HiResCAM を提案。
• 予測された異常を含む臓器にのみ注目するようモデルを促すマスク損失を導入し、局在化の忠実性を向上。
• マスク損失を用いてエンドツーエンドでモデルを訓練し、各ラベルごとに関連する解剖学的領域に注目するよう強制。
• 空間分解能を保持し、平均化による顕著な特徴の抑制を避ける勾配ベースのサリエンシー手法を採用。
• 3D ボリュメトリック CT データにこの手法を適用し、医療画像および自然画像のベンチマークでも評価。
• RAD-ChestCT および PASCAL VOC 2012 で検証し、Grad-CAM と比較して汎化性能を評価。

実験結果

リサーチクエスチョン

• RQ1 3D 医療画像において、勾配平均化のため Grad-CAM が誤った注意マップを生成するか？
• RQ2 ラベル固有の注意メカニズムは、マルチラベル 3D 分類において意思決定関連領域の忠実な局在化を可能にするか？
• RQ3 臓器固有の領域に注目を制限するマスク損失を導入することで、弱教師付き局在化性能が向上するか？
• RQ4 自然画像および医療画像において、HiResCAM と Grad-CAM との間で局在化精度および忠実性においてどのように差が現れるか？
• RQ5 提案手法は、複数の異常の弱教師付き臓器局在化において最先端の性能を達成できるか？

主な発見

• HiResCAM は、Grad-CAM が引き起こす誤った局在化アーチファクトを明確に解消した。
• 36,316 個の CT ボリュームを含む RAD-ChestCT データセットにおいて、弱教師付き臓器局在化性能が相対的に 37% 向上した。
• 特に複雑な 3D 医療ボリュームにおいて、HiResCAM は Grad-CAM よりも忠実で局在度の高い注意マップを生成した。
• マスク損失は、予測された異常を含む臓器にのみ注目するようモデルを効果的に促し、局在化の忠実性を向上させた。
• PASCAL VOC 2012 でも、HiResCAM は Grad-CAM と比べて明確でより正確な局在化行動を示し、特徴の帰属割り当てにおける優位性を確認した。
• 本手法は、ボリュメトリック医療画像における説明可能なマルチラベル分類の分野で、新たな最先端水準を確立した。