[论文解读] Deep Generative Models in the Real-World: An Open Challenge from Medical Imaging

Xiaoran Chen, Nick Pawlowski+3 more|arXiv (Cornell University)|Jun 14, 2018

Generative Adversarial Networks and Image Synthesis参考文献 28被引用 38

一句话总结

本文评估了基于自编码器的深度生成模型（如VAE、AAE和GAN）在利用健康扫描学习正常组织分布的基础上，对脑部MRI进行无监督异常检测的性能。尽管生成性能较强，但模型在T1加权图像上的检测准确率仍有限，表明在重建病理结构和估计像素级异常方面仍有显著改进空间。

ABSTRACT

Recent advances in deep learning led to novel generative modeling techniques that achieve unprecedented quality in generated samples and performance in learning complex distributions in imaging data. These new models in medical image computing have important applications that form clinically relevant and very challenging unsupervised learning problems. In this paper, we explore the feasibility of using state-of-the-art auto-encoder-based deep generative models, such as variational and adversarial auto-encoders, for one such task: abnormality detection in medical imaging. We utilize typical, publicly available datasets with brain scans from healthy subjects and patients with stroke lesions and brain tumors. We use the data from healthy subjects to train different auto-encoder based models to learn the distribution of healthy images and detect pathologies as outliers. Models that can better learn the data distribution should be able to detect outliers more accurately. We evaluate the detection performance of deep generative models and compare them with non-deep learning based approaches to provide a benchmark of the current state of research. We conclude that abnormality detection is a challenging task for deep generative models and large room exists for improvement. In order to facilitate further research, we aim to provide carefully pre-processed imaging data available to the research community.

研究动机与目标

• 评估利用最先进的深度生成模型在医学影像中实现无监督异常检测的可行性。
• 在公开的脑部MRI数据集上，将基于自编码器的模型（VAE、AAE、GAN变体）与非深度学习方法进行基准对比。
• 识别在T1加权与T2加权MRI序列中检测病灶的性能瓶颈。
• 向研究社区提供一个经过整理和预处理的数据集，以支持未来的基准测试与模型开发。
• 研究预处理（如数据裁剪）和阈值选择对检测性能的影响。

提出的方法

• 在健康受试者的T2加权和T1加权MRI扫描上训练基于自编码器的生成模型（VAE、AAE、DAE、GAN变体），以学习正常脑组织的分布。
• 使用重建误差作为异常检测的代理指标：误差越高，越可能表示存在病理。
• 将模型应用于两个外部数据集——BraTS（肿瘤）和ISLES（中风病灶）——以无监督方式检测异常区域。
• 通过在多个阈值下评估AUC（ROC曲线下面积）和mDSC（平均Dice相似系数）来评估性能。
• 在训练过程中应用数据裁剪以减少背景干扰，提升模型对关键解剖区域的关注度。
• 通过百分位数（如第90百分位数）探索阈值选择以优化检测性能，尽管未确定单一最优阈值。

实验结果

研究问题

• RQ1 基于自编码器的深度生成模型是否能有效检测脑部MRI中的异常病灶，而无需任何标注的病理数据？
• RQ2 在T2加权与T1加权MRI序列中，不同生成模型（VAE、AAE、GAN）在检测病灶方面的表现如何比较？
• RQ3 预处理（如裁剪）对重建质量及下游异常检测性能有何影响？
• RQ4 为何尽管训练数据相似，模型在T1加权图像上的表现显著劣于T2加权图像？
• RQ5 重建误差在多大程度上可作为异常的可靠指标？在像素级概率估计方面还需哪些改进？

主要发现

• 卷积神经网络VAE在BraTS-T2w上取得了最高的mDSC（0.42），优于其他模型，包括贝叶斯VAE和AAE。
• 在ATLAS-T1w上，所有自编码器模型的mDSC均低于0.1，表明其病灶检测能力极差，尽管AUC保持中等水平。
• 监督式U-Net在ATLAS-T1w上的Dice分数为0.50，相对较低，表明即使监督方法在T1加权图像的病灶分割上也面临挑战。
• DAE和α-GAN的性能显著低于前三名模型，其中α-GAN在原始数据集上仅取得0.33的mDSC，在下采样数据集上为0.35。
• 训练过程中进行数据裁剪可降低背景重建误差，并通过聚焦于相关解剖区域提升检测性能。
• 研究结论认为，无监督异常检测仍是开放性挑战，尤其在T1加权图像上，重建质量与像素级概率估计仍有待进一步提升。