[論文レビュー] Interpretable Fully Convolutional Classification of Intrapapillary Capillary Loops for Real-Time Detection of Early Squamous Neoplasia

Luis C. García-Peraza-Herrera, Martin Everson+11 more|arXiv (Cornell University)|May 2, 2018

AI in cancer detection参考文献 7被引用数 6

ひとこと要約

本稿では、狭帯域照明内視鏡における早期扁平上皮内新生物を検出するための、埋め込み型クラス活性化マップ（eCAM）を備えた深層監視付き完全畳み込みニューラルネットワークを提案する。この手法により、解釈可能でリアルタイムな、intrapapillary capillary loop（IPCL）分類が可能となり、F1スコアが92.7%に向上した。また、放射線診断で用いられる特徴と一致する高解像度で臨床的に解釈可能な注目マップを生成した。

ABSTRACT

In this work, we have concentrated our efforts on the interpretability of classification results coming from a fully convolutional neural network. Motivated by the classification of oesophageal tissue for real-time detection of early squamous neoplasia, the most frequent kind of oesophageal cancer in Asia, we present a new dataset and a novel deep learning method that by means of deep supervision and a newly introduced concept, the embedded Class Activation Map (eCAM), focuses on the interpretability of results as a design constraint of a convolutional network. We present a new approach to visualise attention that aims to give some insights on those areas of the oesophageal tissue that lead a network to conclude that the images belong to a particular class and compare them with those visual features employed by clinicians to produce a clinical diagnosis. In comparison to a baseline method which does not feature deep supervision but provides attention by grafting Class Activation Maps, we improve the F1-score from 87.3% to 92.7% and provide more detailed attention maps.

研究の動機と目的

• 低発症率の状況においても、内視鏡的検査で見過ごされがちな早期扁平上皮内新生物を検出する臨床的課題に対処すること。
• 臨床的診断特徴と一致する解釈可能な注目マップを提供する完全畳み込み型リアルタイム分類システムを構築すること。
• IPCL分類に用いる7,046フレームを含む新規データセットを提供し、再現可能な研究を可能とすること。
• 複数のネットワーク深さに注目マップ（eCAM）を埋め込むことで、空間的整合性と臨床的妥当性を保証し、モデルの解釈可能性を向上させること。
• 自動的に学習された特徴が、IPCLの厚さ、ねじれ具合、不規則性といった臨床的に用いられる視覚的手がかりと一致することを検証すること。

提案手法

• 受容 field のサイズが異なる複数スケールの特徴抽出を強化するため、マルチスケール監視を組み込んだ深層監視付き完全畳み込みネットワーク（FCN）を提案する。
• 各スケールで注目マップを保存・伝搬する埋め込み型クラス活性化マップ（eCAM）を導入し、空間解像度を維持するとともに、リアルタイム推論を可能にする。
• 最終層でグローバル平均プーリング（GAP）を適用することで、全結合層を排除した完全畳み込み型推論を実現する。
• 小規模データセットでの学習安定性を確保するため、固定学習率1e-6、モーメンタム0.9、バッチサイズ1で確率的勾配降下法（SGD）を適用する。
• 解像度レベルL3、L4、L5からのeCAMを統合するマルチスケール統合戦略を採用し、高品質で統一された注目マップを生成する。
• 交差検証の各foldごとに別個のネットワークを学習し、200イテレーションごとにモデルスナップショットを保存し、検証性能に基づき最良のモデルを選択する。

実験結果

リサーチクエスチョン

• RQ1 埋め込み型注目マップ（eCAM）を備えた深層監視付きFCNは、内視鏡画像における早期扁平上皮内新生物の検出において、分類性能と解釈可能性を向上させることができるか？
• RQ2 モデルが生成する注目マップは、IPCLの形態、厚さ、不規則性といった臨床的関連特徴と一致するか？
• RQ3 本手法は、可変解像度の内視鏡フレームにおいても、高い精度と解釈可能性を維持しながらリアルタイム推論を達成できるか？
• RQ4 深層監視の統合は、標準的なCAMベース手法と比較して、特徴抽出とヒートマップ品質をどのように向上させるか？
• RQ5 モデルが学習した特徴は、臨床医がIPCL異常を診断する際に用いる特徴とどの程度一致するか、あるいは異なるか？

主な発見

• 5つの交差検証foldで平均F1スコア92.7%を達成し、ベースライン手法（87.3%）と比較して顕著な向上を示した。
• 感度（89.7%）と特異度（96.9%）が高く、正常と異常なIPCLパターンを効果的に区別できることを示した。
• eCAMは、不規則で星型のIPCLパターンや局所的病変領域を的確に強調し、情報のない鏡面反射は除外した。
• 正常な粘膜血管が存在するにもかかわらず、健全な組織領域を正常と正しく識別し、誤検出を低減した。
• 低解像度層（L1およびL2）の注目マップは、受容 field が限定的で特徴の抽象化が不十分なため、高い不確実性を示した。これは、深層監視の重要性を裏付けた。
• 1フレームあたりの推論時間は26.17 ms～37.48 msであり、標準的なハードウェアでもリアルタイム推論が可能であることを確認した。