[論文レビュー] Confounder-Aware Visualization of ConvNets

Qingyu Zhao, Ehsan Adeli+3 more|arXiv (Cornell University)|Jul 30, 2019

Cell Image Analysis Techniques参考文献 12被引用数 6

ひとこと要約

本論文では、ConvNetsにおけるsalienceマップから余計な要因（例：年齢、発達段階）の影響を除去する、交絡要因に配慮した可視化手法を提案する。単変量統計的検定を用いて交絡要因に起因する特徴を同定し、新規の部分的バックプロパゲーション技術を用いてその影響を抑制することで、バイアスのない、診断に特化したsalienceマップを生成する。これにより、神経画像解析研究における真の疾患関連脳変化をよりよく反映するようになる。

ABSTRACT

With recent advances in deep learning, neuroimaging studies increasingly rely on convolutional networks (ConvNets) to predict diagnosis based on MR images. To gain a better understanding of how a disease impacts the brain, the studies visualize the salience maps of the ConvNet highlighting voxels within the brain majorly contributing to the prediction. However, these salience maps are generally confounded, i.e., some salient regions are more predictive of confounding variables (such as age) than the diagnosis. To avoid such misinterpretation, we propose in this paper an approach that aims to visualize confounder-free saliency maps that only highlight voxels predictive of the diagnosis. The approach incorporates univariate statistical tests to identify confounding effects within the intermediate features learned by ConvNet. The influence from the subset of confounded features is then removed by a novel partial back-propagation procedure. We use this two-step approach to visualize confounder-free saliency maps extracted from synthetic and two real datasets. These experiments reveal the potential of our visualization in producing unbiased model-interpretation.

研究の動機と目的

• ConvNetを用いた神経画像解析研究において、salienceマップに交絡要因（例：年齢、発達段階）の影響が反映される問題に対処すること。
• 再訓練を必要とせず、学習済みConvNetの内部特徴に影響を及ぼす交絡要因を同定・除去する後処理手法を開発すること。
• 交絡要因の影響を分離することで、疾患特異的脳変化のより正確で解釈可能な可視化を可能にすること。
• 合成データおよび2つの実際の神経画像データセット（HIV/対照群、思春期の性差異）を用いて、本手法の有効性を検証すること。
• 交絡要因のないsalienceマップが、年齢や発達段階ではなく、診断に関連する生物学的に妥当な脳領域を明らかにすることを示すこと。

提案手法

• すべての訓練画像において、各中間特徴に対して単変量一般線形モデル（GLM）を適用し、グループラベルと交絡要因（例：年齢、PDS）を予測子として、交絡効果を検出する。
• 各特徴についてGLMにおける交絡要因の回帰係数のp値を評価し、統計的に有意な交絡効果を示す特徴を同定する。
• 交絡要因に起因する特徴の寄与を効果的に排除するために、交絡されていない特徴のみに依存して勾配を計算する「部分的バックプロパゲーション」手順を実施する。
• 交絡要因の特徴値を勾配計算中に固定するモデル再構築テクニックを用いて、部分的バックプロパゲーションを実装し、交絡要因のないsalienceの効率的計算を可能にする。
• 得られた交絡要因のないsalienceマップを可視化し、標準的な脳テンプレート（例：SRI24）に重ねて、疾患関連脳変化の解釈に用いる。
• 本手法を、既知の交絡要因を持つ合成データおよび2つの実際の神経画像データセット（HIV/対照群、思春期の性差異）に適用する。

実験結果

リサーチクエスチョン

• RQ1 ConvNetsを用いた神経画像解析において、従来のsalienceマップは、年齢や発達段階といった交絡要因の影響を強く反映しているのか、それとも真の疾患関連脳変化を適切に反映しているのか、程度はどの程度か？
• RQ2 中間特徴に対する単変量統計的検定が、深層学習モデルのsalienceマップをバイアスさせる交絡効果を検出できるか？
• RQ3 提案された部分的バックプロパゲーション手順は、交絡要因の影響を効果的に除去しつつ、疾患特異的信号を保持できるか？
• RQ4 交絡要因のないsalienceマップは、HIV関連脳萎縮および性差異の文脈において、生物学的に妥当な脳領域を標準的なsalienceマップよりもよく明らかにできるか？
• RQ5 年齢や発達段階といった交絡要因が存在する他の神経画像解析タスクにも、本手法は一般化可能か？

主な発見

• HIV/対照群データセットにおいて、4,096個のうち804個の特徴が年齢によって有意に交絡されており、年齢の影響がモデル予測に強く及んでいることが示された。
• 年齢関連の交絡効果を除去した後、後頭側頭室領域のsalienceが低下した。これは、年齢に伴う側頭室拡大が既知であるため、元のsalienceマップがこの領域でHIVの影響を過大評価していた可能性を示唆している。
• HIV/対照群データセットにおける交絡要因のないsalienceマップは、尾状体および側頭葉領域に、既知の神経解剖学的知見と整合するより生物学的に妥当な左右対称の萎縮パターンを示した。
• 思春期の性差異研究において、発達段階（PDS）の影響を除去した後、尾状体領域のsalienceが低下した。これはPDSがこの領域に複合的な影響を及ぼしている可能性を示している。
• 性差異に関する交絡要因のないsalienceマップは、側頭葉を性差の主な関連領域として強調しており、思春期脳発達に関する既存の文献と整合的であった。
• HIV/対照群データセットでは73%の正規化精度、NCANDAデータセットでは89.5%の正規化精度を達成し、バイアスのない解釈を可能にしつつ、効果的なモデル性能を示した。