[論文レビュー] The Medico-Task 2018: Disease Detection in the Gastrointestinal Tract using Global Features and Deep Learning

Vajira Thambawita, Debesh Jha+5 more|arXiv (Cornell University)|Oct 31, 2018

COVID-19 diagnosis using AI参考文献 13被引用数 28

ひとこと要約

本論文では、胃腸疾患の検出のため、グローバル特徴量とトランスファーラーニングを組み合わせたディープラーニング手法を提示している。二重畳み込みニューラルネットワーク（ResNet-152 および DenseNet-161）と多層パーセプトロンを用いて予測を統合する。この手法は、Medico-Task 2018ベンチマークで95.80%の正確性、95.87%の精度、95.80%のF1スコアを達成し、単一ネットワークや単純平均化手法を上回った。

ABSTRACT

In this paper, we present our approach for the 2018 Medico Task classifying diseases in the gastrointestinal tract. We have proposed a system based on global features and deep neural networks. The best approach combines two neural networks, and the reproducible experimental results signify the efficiency of the proposed model with an accuracy rate of 95.80%, a precision of 95.87%, and an F1-score of 95.80%.

研究の動機と目的

• 内視鏡画像からの16種類の高度に不均衡な消化管疾患クラスの分類の課題に対処すること。
• トランスファーラーニングとグローバル特徴抽出を用いて、小規模で不均衡なデータセットにおける分類性能を向上させること。
• より良い汎化性能を実現するため、複数の事前学習済みネットワークを組み合わせるアンサンブルディープラーニング戦略を検討すること。
• 視覚的に類似したカテゴリ間の誤分類（例：食道炎と正常-zライン）を低減すること。
• 検証データおよび未観測のテストデータの両方で良好に汎化する強固なモデルを開発すること。

提案手法

• LIREを用いて画像表現としてグローバル特徴量（例：PHOG、Tamura、カラーレイアウト）を抽出し、それらをロジスティック分類器（SimpleLogistic および Logistic Model Tree）に使用した。
• ImageNetで事前学習されたResNet-152およびDenseNet-161を用いてトランスファーラーニングを実施し、16クラスの胃腸疾患分類用に最終層を微調整した。
• 過学習や局所的最適解の回避のため、データ拡張（フリップ、回転、リサイズ）および動的最適化率スケジューリングを適用した。
• 両ネットワークを同時に訓練し、独立した重み更新を可能にするために、それぞれの損失関数（損失1および損失2）を別々に使用した。
• 2つのネットワークの確率出力を非線形に統合するため、入力が32で出力が16の多層パーセプトロン（MLP）を導入し、単純平均化の代わりに統合を実現した。
• 事前学習済みCNNを凍結し、MLPのみを微調整することで最適な意思決定統合を学習し、汎化性能と分類性能を向上させた。

実験結果

リサーチクエスチョン

• RQ1 学習可能な統合メカニズムを用いて、2つの事前学習済みディープニューラルネットワークを統合することで、小規模で不均衡な胃腸疾患データセットにおける分類正確性が向上するか？
• RQ2 ネットワーク出力の単純平均化を学習可能なMLPに置き換えることで、多クラス医療画像分類において性能が向上するか？
• RQ3 従来の機械学習モデルと組み合わせたグローバル特徴量は、ディープラーニング手法と比較して、胃腸疾患検出においてどの程度有効か？
• RQ4 データ拡張および動的最適化率スケジューリングは、低データ環境下における内視鏡画像分類において過学習をどの程度軽減できるか？
• RQ5 高い全体的な正確性にもかかわらず、特定の疾患クラス（例：食道炎と正常-zライン）がなぜ依然として誤分類されやすいのか？

主な発見

• ResNet-152とDenseNet-161を用い、MLP統合層を導入した本手法は、検証セットで95.80%の正確性、95.87%の精度、95.80%のF1スコアを達成した。
• MLPベースの統合（手法5）は単純平均化（手法4）を上回り、正確性を95.55%から95.80%まで向上させた。
• 公式テストセットでは99.32%の正確性を達成し、優れた汎化性能と耐障害性を示した。
• 混同行列から、食道炎（E）と正常-zライン（I）の間で顕著な誤分類が認められ、内視鏡的外観の類似性が原因であるとされた。
• 手法5は高い特異性（99.71%）およびマシューリング相関係数（0.9546）を示し、不均衡データに対する強力な性能を示した。
• 最適な統合関数を学習可能なMLPで学習することで、固定平均化手法よりも性能が著しく向上した。これは、学習可能なアンサンブル手法の有効性を裏付けた。