[論文レビュー] Explainable Artificial Intelligence Architecture for Melanoma Diagnosis Using Indicator Localization and Self-Supervised Learning

Ruitong Sun, Mohammad Rostami|arXiv (Cornell University)|Mar 26, 2023

AI in cancer detection被引用数 5

ひとこと要約

本論文は、インジケータ固有のセグメンテーションヘッドとコントラスト学習を用いて臨床的に関連する皮膚腫瘍特徴（例：メラニンネットワーク、ストレーキング）を局在化する自己教師ありで解釈可能な深層学習アーキテクチャを提案する。限られた人間によるアノテート済み臨床インジケータを用いて訓練し、自己教師あり事前学習を活用することで、従来の手法よりも正確で臨床的に妥当な注目マップを生成し、局在化の正確性と意思決定の解釈可能性が顕著に向上する。

ABSTRACT

Melanoma is a prevalent lethal type of cancer that is treatable if diagnosed at early stages of development. Skin lesions are a typical indicator for diagnosing melanoma but they often led to delayed diagnosis due to high similarities of cancerous and benign lesions at early stages of melanoma. Deep learning (DL) can be used as a solution to classify skin lesion pictures with a high accuracy, but clinical adoption of deep learning faces a significant challenge. The reason is that the decision processes of deep learning models are often uninterpretable which makes them black boxes that are challenging to trust. We develop an explainable deep learning architecture for melanoma diagnosis which generates clinically interpretable visual explanations for its decisions. Our experiments demonstrate that our proposed architectures matches clinical explanations significantly better than existing architectures.

研究の動機と目的

• 深層学習によるメラノーマ診断における臨床的信頼のギャップを解消するため、意思決定プロセスが皮膚科的推論と整合するモデルを構築すること。
• 微細な臨床的アノテーション付き皮膚腫瘍データの不足を補うために、自己教師あり学習とコントラスト事前学習を活用すること。
• 一般的な活性化マップに依存するのではなく、特定の診断バイオマーカー（例：メラニンネットワーク、ストレーキング）の局在化により解釈性を向上させること。
• 訓練中に中間レベルの臨床的アノテーションを組み込むことで、モデルの意思決定が人間の専門家による診断パターンを反映すること。
• モデルの説明が、従来の説明手法よりも皮膚科医が特定した注目領域とより整合しているかどうかを検証すること。

提案手法

• アーキテクチャは、皮膚腫瘍画像上に5つの異なる臨床インジケータ—グロブール、ミリア様嚢胞、ネガティブネットワーク、メラニンネットワーク、ストレーキング—を局在化するための5つの別々のセグメンテーションヘッド（f_Seg）を用いる。
• コントラスト学習（CL）ヘッド（f_CLR）を用いて、ラベルなしで一般化可能な特徴を学習する自己教師ありインスタンス識別をエンコーダーで事前学習する。
• タスク干渉を回避し、局在化精度を向上させるために、1つの臨床インジケータごとに専用のエンコーダーを5つ使用するマルチヘッド訓練戦略を採用する。
• 弱いラベル付きデータから強力な特徴表現を学習するために、SimCLRスタイルのコントラスト損失を用いた自己教師あり事前学習を実施する。
• 最終的なメラノーマ診断は共有分類器ヘッドを用いて予測する一方、中間特徴マップを活用して空間的に正確で臨床的に解釈可能な説明を生成する。
• 各エポック内でセグメンテーションヘッドを繰り返し適用することで局在化を精緻化し、最終モデルでは一回の繰り返しを採用して一貫性を確保する。

実験結果

リサーチクエスチョン

• RQ1 特定の臨床的に関連する皮膚腫瘍特徴（例：メラニンネットワーク、ストレーキング）を高い空間的正確性で局在化できる深層学習モデルを訓練できるか？
• RQ2 訓練パイプラインに中間レベルの臨床的アノテーションを組み込むことで、モデルの注目領域と皮膚科医が特定した注目領域の整合性が向上するか？
• RQ3 自己教師ありコントラスト学習が、限られたアノテート済みデータ上で効果的にモデルを事前学習できるか、大規模ラベル付きデータセットへの依存を低減できるか？
• RQ4 1つの臨床インジケータごとに個別のエンコーダーを用いたマルチヘッド訓練は、マルチタスク学習と比較して局在化性能に優れているか？
• RQ5 標準的な説明手法（例：Grad-CAM）と比較して、モデルの説明の正確性（忠実度）が臨床的関連性においてどの程度優れているか？

主な発見

• 『ストレーキング』インジケータにおいて、連続的なDice係数が43.19%を達成し、ベースラインモデルのBio-Unet（32.79%）やf_Res（41.03%）を顕著に上回った。
• 『メラニンネットワーク』の局在化では、5つの別個エンコーダーを用いた場合、15.64%のDiceスコアを達成し、マルチタスクのBio-Unet-(Five-tasks)設定（15.89%）を上回った。
• セグメンテーションヘッドの繰り返し処理により、『ストレーキング』のような不連続な特徴の局在化が向上し、正しい領域に注目し、誤検出を抑制した。
• マルチタスク学習にメラノーマ診断を追加することでAUCが84%に向上し、全体的な性能向上に寄与することが示された。
• 1つの臨床インジケータごとに5つの個別エンコーダーを用いたアプローチは、5つまたは6つのタスクを統合したマルチタスク学習よりも局在化精度（cDC）が優れており、干渉が低減されたことが示された。
• モデルの注目マップは、Grad-CAMよりも臨床的に妥当であり、腫瘍全体ではなく特定の診断特徴に注目していた。