[論文レビュー] Metadata-guided Consistency Learning for High Content Images

Johan Fredin Haslum, C. Matsoukas+3 more|arXiv (Cornell University)|Dec 22, 2022

Cell Image Analysis Techniques被引用数 6

ひとこと要約

本稿では、高コンテンツスクリーニング（HCS）画像におけるバッチ効果の優位性を抑えるためにメタデータを活用して異なるバッチ間の表現を整合させる自己教師あり手法であるクロスドメイン一貫性学習（CDCL）を提案する。CDCLは、処理が一致する異バッチ画像ペアに対して一貫性を強制することで特徴の質を向上させ、処理分類や作用機構予測といった下流タスクで標準的な自己教師あり学習（SSL）を上回る生物学的に意味のある埋め込み表現を生成する。

ABSTRACT

High content imaging assays can capture rich phenotypic response data for large sets of compound treatments, aiding in the characterization and discovery of novel drugs. However, extracting representative features from high content images that can capture subtle nuances in phenotypes remains challenging. The lack of high-quality labels makes it difficult to achieve satisfactory results with supervised deep learning. Self-Supervised learning methods have shown great success on natural images, and offer an attractive alternative also to microscopy images. However, we find that self-supervised learning techniques underperform on high content imaging assays. One challenge is the undesirable domain shifts present in the data known as batch effects, which are caused by biological noise or uncontrolled experimental conditions. To this end, we introduce Cross-Domain Consistency Learning (CDCL), a self-supervised approach that is able to learn in the presence of batch effects. CDCL enforces the learning of biological similarities while disregarding undesirable batch-specific signals, leading to more useful and versatile representations. These features are organised according to their morphological changes and are more useful for downstream tasks -- such as distinguishing treatments and mechanism of action.

研究の動機と目的

• 標準的な自己教師あり学習（SSL）がバッチ効果のため失敗する高コンテンツスクリーニング（HCS）データに対して、その問題を解決すること。
• 混同要因であるバッチ固有の変動から処理信号を分離することで、生物学的に意味のある表現を学習する手法を開発すること。
• 弱教師ありHCSデータを用いて、化合物分類や作用機構予測などの下流タスクにおけるパフォーマンスを向上させること。
• メタデータを用いた一貫性学習が、HCSにおいて標準的なSSLよりもより頑健で一般化可能な特徴を生成できることを示すこと。

提案手法

• CDCLは処理のメタデータを用いて、異なるバッチから同一の化合物処理を受けた画像ペアをサンプリングする。
• 対照的学習の目的関数を用いて、これらの異バッチ・同一処理ペア間の特徴の一貫性を強制する。
• 標準的なSSLフレームワーク（例：DINO、BYOL）を変更し、ランダムな増幅の代わりにメタデータに従ったポジティブペア選択を導入する。
• 異バッチ・同一処理画像間の表現差を最小化するとともに、異なる処理間の分離を最大化するための一貫性損失を適用する。
• 一般化性能とメトリック学習性能を向上させるために特徴の正規化を実施する。
• 精度、k-BET、グリットスコアなどの指標を用いて、2つの蛍光顕微鏡画像データセット（RXRX1-HUVECを含む）で手法を評価する。

実験結果

リサーチクエスチョン

• RQ1 自己教師あり学習手法は、高コンテンツスクリーニングデータにおけるバッチ効果に対して、どのようにして頑健にできるか？
• RQ2 ポジティブペア選択をメタデータでガイドすることで、標準的なSSLに比べてHCSにおける表現学習がどのように向上するか？
• RQ3 CDCLは、学習された特徴におけるバッチ固有信号の優位性をどの程度低減できるか？
• RQ4 下流の分類およびクラスタリングタスクにおいて、CDCLは教師ありおよび標準的なSSLベースラインと比べてどのように差をつけるか？

主な発見

• 標準的なSSL手法に比べ、CDCLはテストセットの精度を著しく向上させ、グリットスコアが最大10.04に達する一方で、標準SSLは1.51〜2.91に留まる。
• DINO や BYOL などのSSL手法はk-BETスコアがほぼゼロ（0.0）を示しており、バッチ間の完全な分離が生じているが、CDCLはテストセットでk-BET 52.89を達成し、処理表現の効果的な混合を示している。
• SSL-BYOL-CBはテストセットで最高のグリットスコア（10.04）とk-BET（52.89）を記録し、すべての他の手法に比べてサンプル混合性と分類性能で優れている。
• CDCLから得られる正規化済み特徴はテストセットでグリットスコア6.14を達成し、SSL-BYOL（2.55）やSSL-DINO（3.55）を著しく上回っている。
• 非ゼロのk-BETおよびグリットスコアが示すように、バッチ効果の影響が著しく低減されており、高い精度と表現多様性を維持している。
• CDCLは、処理ごとに一意で、かつバッチ間で頑健な特徴を生成しており、下流の創薬タスクに非常に適している。