[論文レビュー] MultiNet with Transformers: A Model for Cancer Diagnosis Using Images

Hosein Barzekar, Yash Patel+2 more|arXiv (Cornell University)|Jan 21, 2023

AI in cancer detection被引用数 9

ひとこと要約

論文は、CNNバックボーンとVision Transformerを組み合わせてBreakHisデータセットを8クラス・倍率で分類する、マルチクラス breast cancer histology 分类器であるMultiNet-ViTを紹介します。

ABSTRACT

Cancer is a leading cause of death in many countries. An early diagnosis of cancer based on biomedical imaging ensures effective treatment and a better prognosis. However, biomedical imaging presents challenges to both clinical institutions and researchers. Physiological anomalies are often characterized by slight abnormalities in individual cells or tissues, making them difficult to detect visually. Traditionally, anomalies are diagnosed by radiologists and pathologists with extensive training. This procedure, however, demands the participation of professionals and incurs a substantial cost. The cost makes large-scale biological image classification impractical. In this study, we provide unique deep neural network designs for multiclass classification of medical images, in particular cancer images. We incorporated transformers into a multiclass framework to take advantage of data-gathering capability and perform more accurate classifications. We evaluated models on publicly accessible datasets using various measures to ensure the reliability of the models. Extensive assessment metrics suggest this method can be used for a multitude of classification tasks.

研究の動機と目的

• 組織病理画像からの早期かつ正確ながん診断を動機づける。
• CNNとトランスフォーマーの両方を活用する多クラスアーキテクチャを開発する。
• 組織病理画像の異なる倍率間での一般化能力を向上させる。
• BreakHis上で提案モデルを他のViT/CNNベース手法と比較評価する。

提案手法

• 2つの転移学習バックボーン（VGG19とResNet）を並列のMultiNetフレームワークに統合する。
• CNN特徴をViTベースのヘッドと融合して全局情報と局所情報を捉える。
• 組織病理画像の異なる倍率を扱うためのマルチスケール分析を組み込む。
• 学習率1e-4のクロスエントロピー損失とAdam最適化を用いて訓練する。
• ViTのMLPヘッドをMultiNetモデルのMLPヘッドと連結し8クラス分類とする。
• BreakHisを40X, 100X, 200X, 400Xの倍率でモデル評価する。

Figure 1 : MultiNet-ViT Architecture: Integrating MultiNet with ViT

実験結果

リサーチクエスチョン

• RQ1 CNNとTransformerのハイブリッドアーキテクチャはCNN単独またはTransformer単独モデルより多クラスの乳がん組織病理分類を改善できるか。
• RQ2 グローバル（Transformer）とローカル（CNN）特徴を統合すると複数倍率で病理サブタイプの識別性は向上するか。
• RQ3 BreakHis分類性能においてMultiNet-ViTは他のViT/CNN組み合わせと比較してどうか。
• RQ4 小規模データセットで医用画像分類を行う際、転移学習はトレーニングに不可欠か。

主な発見

• MultiNet-ViTは全モデル中で最高の性能を示し、平均精度・再現率・F1-Scoreがそれぞれ94%である。
• ViT単独は複数のクラスで高い精度を達成し、例えば腺腫（adenosis）や乳頭状癌（papillary carcinoma）でいくつかの指標で100%を達成。
• ViTと他のバックボーン（ResNet、EfficientNet、DeiT）を組み合わせると、いくつかのクラスでViTベースの性能を向上または同等にする。
• DeiTベースのアンサンブルはMultiNet、ViT、ResNet構成と組み合わせて高い性能を示すことが多く、特に乳頭状癌はしばしば高い再現率を達成（例：再現率100%）している。
• 提案されたトランスフォーマー対応アンサンブルはBreakHisの全倍率で汎用性を示す。

(a) MultiNet