[論文レビュー] Terabyte-scale Deep Multiple Instance Learning for Classification and Localization in Pathology

Gabriele Campanella, Vitor Werneck Krauss Silva+1 more|arXiv (Cornell University)|May 17, 2018

AI in cancer detection参考文献 11被引用数 41

ひとこと要約

この論文は、前立腺針生検の全スライド画像分類のためのテラバイト規模の深層MILフレームワークを、スライドレベルのラベルを使用して提示し、保持アウトのテストセットでAUC 0.98を達成している。

ABSTRACT

In the field of computational pathology, the use of decision support systems powered by state-of-the-art deep learning solutions has been hampered by the lack of large labeled datasets. Until recently, studies relied on datasets in the order of few hundreds of slides which are not enough to train a model that can work at scale in the clinic. Here, we have gathered a dataset consisting of 12,160 slides, two orders of magnitude larger than previous datasets in pathology and equivalent to 25 times the pixel count of the entire ImageNet dataset. Given the size of our dataset it is possible for us to train a deep learning model under the Multiple Instance Learning (MIL) assumption where only the overall slide diagnosis is necessary for training, avoiding all the expensive pixel-wise annotations that are usually part of supervised learning approaches. We test our framework on a complex task, that of prostate cancer diagnosis on needle biopsies. We performed a thorough evaluation of the performance of our MIL pipeline under several conditions achieving an AUC of 0.98 on a held-out test set of 1,824 slides. These results open the way for training accurate diagnosis prediction models at scale, laying the foundation for decision support system deployment in the clinic.

研究の動機と目的

• MIL がスライドレベルのラベルのみでテラバイト規模の全スライド画像に拡張可能であることを示す。
• 大規模なWSIデータセットが病理分類の高性能な深層MILモデルを可能にすることを示す。
• タイル化戦略、倍率、クラス重み付けが MIL の性能に与える影響を評価する。
• 臨床的に有用な診断精度をもたらすモデルアーキテクチャと学習設定を特定する。

提案手法

• 複数の倍率（5x、10x、20x）でWSIをタイル化し、背景タイルを除外する。
• 各スライドをタイルのバッグとして扱い、各バッグ内のタイルレベルの陽性確度をランク付けする。
• スライドごとに上位1位のタイルを用いてクロスエントロピー損失で訓練する。
• クラス不均衡に対処するため損失の重みを付与する（試した重み：0.5、0.7、0.9、0.95、0.99、最終選択は w1=0.9）。
• CNN分類器（AlexNet、VGG11-BN、ResNet18/34）をAdamオプティマイザで訓練；複数のアーキテクチャを試験する。
• テスト時に全タイルへ推論を行い、陽性タイルが1つでもあればスライドを陽性と宣言して評価する。

実験結果

リサーチクエスチョン

• RQ1 テラバイト規模のWSIに対するMILベースの訓練は、スライドレベルのラベルのみで高い診断精度を達成できるか？
• RQ2 データセットサイズが前立腺癌の全スライド分類におけるMILの性能にどのように影響するか？
• RQ3 どのCNNアーキテクチャと倍率戦略がWSI診断のMIL性能を最大化するか？
• RQ4 クラス重み付けとデータ拡張がMILの一般化性能に与える影響は？
• RQ5 マルチスケールのアンサンブル手法はWSI分類のMIL性能を向上させるか？

主な発見

• 最良のモデル（ResNet34とVGG11-BN）はテストセット（1,824枚のスライド）でAUCを約0.976–0.977に達した。
• 全体の保持アウトテストAUCは、トップパフォーミング MIL アプローチで0.98に達した。
• エラー分析後のテストセットで偽陽性率は3.7%、偽陰性率は9.4%。
• 倍率を超えたアンサンブル（5x/10x/20xを含む）は、単一倍率よりROC性能を向上させた。
• MILベースのWSI分類において一般化には大規模データセットが重要である。
• 倍率レベルは性能に影響を与え、低倍率は高い誤分類をもたらした。