[论文解读] Anatomical and Diagnostic Bayesian Segmentation in Prostate MRI $-$Should Different Clinical Objectives Mandate Different Loss Functions?

Anindo Saha, Joeran S. Bosma+3 more|arXiv (Cornell University)|Oct 25, 2021

Prostate Cancer Diagnosis and Treatment被引用 5

一句话总结

本研究调查了在前列腺MRI中，不同的临床目标——解剖结构分割（器官结构）与诊断性分割（临床显著性癌症检测）——是否需要在贝叶斯U-Net模型中采用不同的损失函数。研究发现，基于分布的损失函数，尤其是焦点损失（focal loss），在病灶检测中显著优于基于区域/边界的损失函数，这是由于其更好的模型校准性能；而对于解剖结构分割，所有损失函数表现相似，但焦点损失因边界附近存在较高不确定性而表现较差。

ABSTRACT

We hypothesize that probabilistic voxel-level classification of anatomy and malignancy in prostate MRI, although typically posed as near-identical segmentation tasks via U-Nets, require different loss functions for optimal performance due to inherent differences in their clinical objectives. We investigate distribution, region and boundary-based loss functions for both tasks across 200 patient exams from the publicly-available ProstateX dataset. For evaluation, we conduct a thorough comparative analysis of model predictions and calibration, measured with respect to multi-class volume segmentation of the prostate anatomy (whole-gland, transitional zone, peripheral zone), as well as, patient-level diagnosis and lesion-level detection of clinically significant prostate cancer. Notably, we find that distribution-based loss functions (in particular, focal loss) are well-suited for diagnostic or panoptic segmentation tasks such as lesion detection, primarily due to their implicit property of inducing better calibration. Meanwhile, (with the exception of focal loss) both distribution and region/boundary-based loss functions perform equally well for anatomical or semantic segmentation tasks, such as quantification of organ shape, size and boundaries.

研究动机与目标

• 确定在深度学习分割中，前列腺MRI的不同临床目标——器官水平解剖结构 vs. 病理水平癌症检测——是否需要采用不同的损失函数。
• 评估基于分布的损失函数（如交叉熵、焦点损失）与基于区域/边界的损失函数（如Dice损失、边界损失）在解剖与诊断任务中对分割性能的影响。
• 评估在不同损失函数下，贝叶斯U-Net模型的模型校准与不确定性量化性能。
• 使用标准指标（DSC、AUROC）与任务特定指标（FROC）比较病灶检测的性能。
• 基于临床任务目标，提供损失函数选择的循证建议。

提出的方法

• 在ProstateX数据集的200例前列腺MRI检查中，使用蒙特卡洛Dropout训练了一个概率3D U-Net模型，对整体腺体、移行带、外周带及临床显著性前列腺癌进行体素级标注。
• 评估了四种损失函数：交叉熵（CE）、平衡交叉熵（BCE）、焦点损失（FL）和软Dice-边界损失（DB），并针对任务调整了类别权重与超参数。
• 数据增强包括高斯噪声、翻转、旋转、平移与缩放，以提升模型鲁棒性。
• 通过期望校准误差（ECE）与可靠性图评估模型校准性能，不确定性量化通过蒙特卡洛Dropout实现。
• 性能评估使用3D Dice相似系数（DSC）评估解剖结构分割，AUROC评估患者水平诊断，部分曲线下面积（FROC）评估病灶检测。
• 实验采用5折交叉验证，共3次独立运行，每张图像使用100次蒙特卡洛推理样本以估计不确定性。

实验结果

研究问题

• RQ1 在区分解剖结构与诊断任务时，损失函数的选择是否显著影响前列腺MRI中的分割性能？
• RQ2 基于分布的损失函数（如焦点损失）是否在模型校准与不确定性估计方面优于基于区域/边界的损失函数？
• RQ3 焦点损失是否因具备隐式校准特性，而在前列腺MRI病灶检测中表现更优，即使其在解剖结构分割中表现较差？
• RQ4 尽管DSC值较高，基于区域/边界的损失函数（如软Dice损失与边界损失）是否在全景分割任务（如多病灶检测）中表现不佳？
• RQ5 标准评估指标（如DSC）是否无法捕捉诊断任务中的性能差异，因为此类任务更关注检测敏感性与校准性能？

主要发现

• 焦点损失（FL）在病灶检测中显著优于软Dice-边界（DB）损失，最大检测敏感性提高15.7%，且在每例患者0.1–2.5个假阳性之间的部分曲线下面积（FROC）提升0.25。
• FL在模型校准方面优于DB，表现为更低的期望校准误差与更可靠的可靠性图，支持更优的风险分层能力。
• 在解剖结构分割（WG、TZ、PZ）中，FL的DSC较低（如WG为70，TZ为64，PZ为50），主要由于器官边界附近存在较高预测不确定性。
• 尽管DSC表现较差，FL的二值化argmax预测结果仅略低于其他损失函数（WG的DSC为88–90%），表明其在硬分割任务中具有鲁棒性。
• 基于区域/边界的损失函数（如DB）在全景分割任务中表现不佳，导致FROC曲线更平缓、检测敏感性更低，原因在于预测结果极化且过度自信。
• 基于分布的损失函数（尤其是FL）隐式提升了校准性能并减少了过拟合，这有助于提升诊断性能，而不仅依赖于类别权重或网络架构设计。