[論文レビュー] Multi-task Learning for Chest X-ray Abnormality Classification on Noisy Labels

Sebastian Gündel, Florin C. Ghesu+5 more|arXiv (Cornell University)|May 15, 2019

COVID-19 diagnosis using AI参考文献 34被引用数 20

ひとこと要約

本論文では、12種類のがん症候の同時予測に加え、その解剖的場所と肺・心臓のセグメンテーションを共同で予測するマルチタスク深層学習フレームワークを提案する。空間的および解剖学的事前知識を活用し、新規の正規化手法を適用することで、297,541枚の画像でSOTA（最先端）の平均AUC 0.883を達成。放射線科医の合意に基づく不確実性の高いケースを除外した後は、AUCが0.945に上昇する。

ABSTRACT

Chest X-ray (CXR) is the most common X-ray examination performed in daily clinical practice for the diagnosis of various heart and lung abnormalities. The large amount of data to be read and reported, with 100+ studies per day for a single radiologist, poses a challenge in maintaining consistently high interpretation accuracy. In this work, we propose a method for the classification of different abnormalities based on CXR scans of the human body. The system is based on a novel multi-task deep learning architecture that in addition to the abnormality classification, supports the segmentation of the lungs and heart and classification of regions where the abnormality is located. We demonstrate that by training these tasks concurrently, one can increase the classification performance of the model. Experiments were performed on an extensive collection of 297,541 chest X-ray images from 86,876 patients, leading to a state-of-the-art performance level of 0.883 AUC on average for 12 different abnormalities. We also conducted a detailed performance analysis and compared the accuracy of our system with 3 board-certified radiologists. In this context, we highlight the high level of label noise inherent to this problem. On a reduced subset containing only cases with high confidence reference labels based on the consensus of the 3 radiologists, our system reached an average AUC of 0.945.

研究の動機と目的

• 胸部X線（CXR）異常分類における放射線科医間の高い変動性とラベルノイズの課題に対処すること。
• 肺および心臓のセグメンテーションと異常部位の空間的位置特定という補助タスクを統合することで、分類性能を向上させること。
• 異なる画像撮影装置やプロトコルによる画像強度のばらつきに対処するための堅牢な正規化手法を開発すること。
• 3名のボード資格を持つ放射線科医による複数読取者観察研究を用いて、ラベルノイズの影響を定量化し、低減すること。
• モデルが予測する信頼度スコアが放射線科医の合意と強く相関することを示し、不確実性を考慮した分類を可能にすること。

提案手法

• 分類、セグメンテーション、空間的位置特定の各ヘッド間で特徴を共有するマルチタスク深層ニューラルネットワークを提案する。
• 12種類のがん症候の分類スコアを生成するために、密接に接続されたブロックに続いてグローバル平均プーリングを適用する。
• 肺および心臓のセグメンテーションマスクを予測するため、U-Netに類似したデコーダーブランチを実装する。
• 異なる画像取得設定に起因するドメインシフトを低減するため、タスク固有の正規化手法を導入する。
• 放射線科医の合意に基づく不確実性バンドフィルタリング戦略を適用し、低信頼度のケースを特定・除外する。
• 分類タスクにはクロスエントロピー損失、セグメンテーションタスクにはバイナリクロスエントロピー損失を用い、エンドツーエンドで最適化する。

実験結果

リサーチクエスチョン

• RQ1 肺・心臓のセグメンテーションと空間的位置特定の共同学習が、胸部X線における異常分類性能を向上させ得るか？
• RQ2 大規模なCXRデータセットにおけるラベルノイズがモデル性能に与える影響は何か？ また、複数読取者による合意を用いることで低減可能か？
• RQ3 モデルが予測する信頼度スコアは、画像解釈に関する放射線科医の合意とどの程度相関するか？
• RQ4 解剖学的事前知識（肺・心臓のセグメンテーション）を組み込むことで、分類の堅牢性と正確性が向上するか？
• RQ5 タスク固有の正規化戦略により、多様な画像装置間での訓練速度とモデル一般化性能が向上するか？

主な発見

• 提案されたマルチタスクモデルは、全297,541枚のCXR画像を含む全データセットにおいて、12種類のがん症候クラスの平均AUCが0.883というSOTA水準を達成した。
• 放射線科医の合意に基づき導出された不確実性バンド内のケースを除外した後、平均AUCは著しく0.945に向上した。
• モデルが予測する信頼度スコアは、複数読取者による合意と強く相関しており、信頼性の高い不確実性推定が可能であることが示された。
• フィルタリング後、高信頼度の陰性例と陽性例の保持率はそれぞれ76%および73%に留まり、効果的なノイズ低減が実現した。
• タスク固有の正規化手法の導入により、訓練が高速化され、画像取得ソース間の強度変動に対してもモデルの頑健性が向上した。
• 肺および心臓のセグメンテーションタスクの統合により、意味的なインダクティブバイアスが得られ、ほとんどの異常に対して分類性能が向上した。