[论文解读] A Study of Deep Learning Colon Cancer Detection in Limited Data Access Scenarios

Apostolia Tsirikoglou, Karin Stacke+3 more|arXiv (Cornell University)|May 20, 2020

AI in cancer detection参考文献 3被引用 4

一句话总结

本研究探讨了在标注数据有限的情况下，利用迁移学习策略进行基于深度学习的淋巴结转移性结肠癌检测。通过利用原发性结肠肿瘤组织或乳腺癌数据（无论是否采用Cycle-GAN领域自适应），模型在性能上可与在完整淋巴结数据集上训练的模型相媲美，表明跨组织和跨癌症类型的迁移数据可有效缓解组织病理学人工智能中的数据稀缺问题。

ABSTRACT

Digitization of histopathology slides has led to several advances, from easy data sharing and collaborations to the development of digital diagnostic tools. Deep learning (DL) methods for classification and detection have shown great potential, but often require large amounts of training data that are hard to collect, and annotate. For many cancer types, the scarceness of data creates barriers for training DL models. One such scenario relates to detecting tumor metastasis in lymph node tissue, where the low ratio of tumor to non-tumor cells makes the diagnostic task hard and time-consuming. DL-based tools can allow faster diagnosis, with potentially increased quality. Unfortunately, due to the sparsity of tumor cells, annotating this type of data demands a high level of effort from pathologists. Using weak annotations from slide-level images have shown great potential, but demand access to a substantial amount of data as well. In this study, we investigate mitigation strategies for limited data access scenarios. Particularly, we address whether it is possible to exploit mutual structure between tissues to develop general techniques, wherein data from one type of cancer in a particular tissue could have diagnostic value for other cancers in other tissues. Our case is exemplified by a DL model for metastatic colon cancer detection in lymph nodes. Could such a model be trained with little or even no lymph node data? As alternative data sources, we investigate 1) tumor cells taken from the primary colon tumor tissue, and 2) cancer data from a different organ (breast), either as is or transformed to the target domain (colon) using Cycle-GANs. We show that the suggested approaches make it possible to detect cancer metastasis with no or very little lymph node data, opening up for the possibility that existing, annotated histopathology data could generalize to other domains.

研究动机与目标

• 解决因标注淋巴结数据有限而导致的转移性结肠癌检测挑战。
• 探究在淋巴结数据稀缺时，原发性结肠肿瘤组织或跨器官癌症数据是否可作为有效的数据来源。
• 评估使用Cycle-GAN进行领域自适应以对齐乳腺癌组织学特征与结肠癌外观的影响。
• 评估从非淋巴结来源进行迁移学习是否能在低数据场景下提升模型性能。
• 探索可减少标注负担同时保持数字病理学诊断性能的实用数据策略。

提出的方法

• 训练了一个包含3个卷积层和一个全连接层的CNN，用于切片级别的分类。
• 采用患者级别的训练/测试划分（32/5名患者）以确保各折之间数据独立。
• 评估了三种标注工作量水平：高（完整淋巴结数据）、低（仅原发性肿瘤）、中（原发性肿瘤 + 少数淋巴结患者）。
• 通过CAMELYON17乳腺癌数据集（50张全玻片图像，43名患者）增强训练数据。
• 应用Cycle-GAN将CAMELYON17切片转换为类似结肠的外观，以改善领域对齐。
• 在切片级别对所有数据集进行平衡，以确保肿瘤与非肿瘤样本的类别分布相等。

实验结果

研究问题

• RQ1 当淋巴结数据有限时，原发性结肠肿瘤组织能否作为淋巴结中转移性结肠癌检测训练的代理？
• RQ2 从不同癌症类型（如乳腺癌）迁移知识是否能提升低数据量淋巴结检测的性能？
• RQ3 通过Cycle-GAN实现从乳腺癌到结肠癌组织学的领域自适应是否能提升性能？
• RQ4 在淋巴结数据稀缺的情况下，不同标注工作量水平（高、中、低）的性能如何变化？
• RQ5 使用外部癌症数据集进行数据增强是否能超越在完整但有限的本地淋巴结数据集上训练的性能？

主要发现

• 使用原发性结肠肿瘤切片增强小规模淋巴结数据集显著提升了模型性能，即使在中等标注工作量场景下也超过了仅在完整本地LNCO数据集上训练的基线模型。
• 在所有标注工作量水平下，将CAMELYON17乳腺癌数据加入训练集均持续提升了性能，其中中等工作量设置的性能超过了仅使用LNCO数据的基线模型。
• 基于Cycle-GAN的从乳腺癌到结肠癌组织学的领域自适应并未提升性能，甚至可能造成性能下降，可能是因为GAN训练数据有限。
• 在中等工作量设置下，仅使用LNCO数据集中25%的原发性肿瘤数据和来自两名淋巴结患者的样本，模型即实现了高切片级别准确率。
• 结果表明，在结肠癌转移检测的低数据场景下，跨组织和跨癌症类型的迁移学习是可行且有效的。
• 本研究表明，即使无法获取大量目标领域（淋巴结）数据，也可利用其他癌症类型的现有标注组织病理学数据来训练高性能模型。