[论文解读] Active Learning for Breast Cancer Identification

Xinpeng Xie, Yuexiang Li+1 more|arXiv (Cornell University)|Apr 18, 2018

Machine Learning and Algorithms参考文献 8被引用 5

一句话总结

本文提出了一种新型训练策略——逆向主动学习（Reversed Active Learning, RAL），通过迭代检测并从卷积神经网络（CNN）的训练集中移除误标图像，从而提升基于深度学习的乳腺癌识别性能。在 ICIAR 2018 乳腺癌数据集上的评估显示，RAL 将基于切片的分类准确率从 93.75% 提升至 96.25%，在极少人工标注投入的情况下显著提升了诊断的可靠性。

ABSTRACT

Breast cancer is the second most common malignancy among women and has become a major public health problem in current society. Traditional breast cancer identification requires experienced pathologists to carefully read the breast slice, which is laborious and suffers from inter-observer variations. Consequently, an automatic classification framework for breast cancer identification is worthwhile to develop. Recent years witnessed the development of deep learning technique. Increasing number of medical applications start to use deep learning to improve diagnosis accuracy. In this paper, we proposed a novel training strategy, namely reversed active learning (RAL), to train network to automatically classify breast cancer images. Our RAL is applied to the training set of a simple convolutional neural network (CNN) to remove mislabeled images. We evaluate the CNN trained with RAL on publicly available ICIAR 2018 Breast Cancer Dataset (IBCD). The experimental results show that our RAL increases the slice-based accuracy of CNN from 93.75% to 96.25%.

研究动机与目标

• 为应对传统乳腺癌诊断中观察者间差异大及人工成本高的挑战，开发一种自动化分类系统。
• 通过一种数据高效型训练策略，提升深度学习模型在分类乳腺癌图像方面的准确性。
• 降低医学图像数据集中误标数据对 CNN 性能的影响。
• 提出并验证一种新型主动学习方法——逆向主动学习（RAL），用于识别并移除噪声训练样本。

提出的方法

• 将 RAL 应用于简单 CNN 的训练集，以识别并移除误标图像。
• 该方法采用反向的不确定性采样：不选择具有信息量的样本进行标注，而是识别并丢弃低置信度预测，认为其可能为误标。
• 该过程迭代执行，移除那些预测置信度高但标签错误的图像，假设此类预测反映了标注错误。
• 经清理的训练集随后用于重新训练 CNN，从而提升模型的泛化能力和准确性。
• 该方法在 ICIAR 2018 乳腺癌数据集上进行评估，该数据集是乳腺癌图像分类的公开基准。

实验结果

研究问题

• RQ1 基于主动学习的数据整理策略是否能提升 CNN 在乳腺癌图像分类中的性能？
• RQ2 从训练集中移除误标图像能在多大程度上提升分类准确率？
• RQ3 逆向主动学习（RAL）是否在噪声医学图像数据集上优于标准训练方法？
• RQ4 在医学图像分析背景下，RAL 与传统主动学习相比表现如何？

主要发现

• 逆向主动学习（RAL）将 CNN 在 ICIAR 2018 乳腺癌数据集上的基于切片的分类准确率从 93.75% 提升至 96.25%。
• 该提升无需额外人工标注，完全依赖模型置信度来检测误标样本。
• 该方法有效降低了训练数据中标注错误的负面影响，从而提升了模型的泛化能力。
• 结果表明，通过 RAL 提升数据质量是一种可行且高效的策略，可显著改善医学影像中深度学习模型的性能。