[论文解读] Generation of Anonymous Chest Radiographs Using Latent Diffusion Models for Training Thoracic Abnormality Classification Systems

Kai Packhäuser, Lukas Folle+2 more|arXiv (Cornell University)|Nov 2, 2022

Radiomics and Machine Learning in Medical Imaging被引用 12

一句话总结

本文提出一种基于潜在扩散模型（LDM）的方法，用于生成高质量、匿名的、类别条件性胸部X光片，以训练胸腔异常分类器。通过采用隐私增强型采样策略，防止生物特征信息泄露，该方法在AUC上与真实数据训练相比仅存在3.5%的性能差距（78.1% vs. 81.6%），证明了合成数据在医疗AI中的强大可行性。

ABSTRACT

The availability of large-scale chest X-ray datasets is a requirement for developing well-performing deep learning-based algorithms in thoracic abnormality detection and classification. However, biometric identifiers in chest radiographs hinder the public sharing of such data for research purposes due to the risk of patient re-identification. To counteract this issue, synthetic data generation offers a solution for anonymizing medical images. This work employs a latent diffusion model to synthesize an anonymous chest X-ray dataset of high-quality class-conditional images. We propose a privacy-enhancing sampling strategy to ensure the non-transference of biometric information during the image generation process. The quality of the generated images and the feasibility of serving as exclusive training data are evaluated on a thoracic abnormality classification task. Compared to a real classifier, we achieve competitive results with a performance gap of only 3.5% in the area under the receiver operating characteristic curve.

研究动机与目标

• 为解决公开共享的胸部X光片数据集中因图像中嵌入生物特征信息而导致的患者再识别问题。
• 开发一种隐私保护方法，用于生成保留临床相关类别特异性模式的合成胸部X光片。
• 评估仅通过潜在扩散模型生成的合成数据集是否能有效训练出鲁棒的胸腔异常分类模型。
• 将基于合成数据（来自LDM和PGGAN）训练的分类器性能与基于真实数据训练的分类器进行比较。
• 提出并验证一种严格的采样策略，以防止在图像生成过程中传递患者特定的生物特征标识符。

提出的方法

• 在预处理后的ChestX-ray14数据集子集上训练潜在扩散模型（LDM），该子集包含56,352张已匿名化、单一异常、仅限成年人（年龄>21岁）的图像。
• LDM使用VQ-VAE将图像压缩至64×64×3的潜在空间，随后采用具有1,000步去噪过程的U-Net结构扩散模型。
• 实施隐私增强型采样策略，以排除任何可能无意中编码原始患者生物特征信息的合成图像。
• 通过将扩散过程条件化于15个标签之一（14种病理 + 健康），实现类别条件性生成，从而生成具有特定异常的图像。
• 训练一个基线PGGAN并用于比较，以评估LDM生成图像的质量与实用性。
• 分类器使用二元交叉熵损失和SGD进行训练，并在10次独立运行中共享真实测试集进行评估。

Fig. 1 : Illustration of the anonymous image generation process using the proposed privacy-enhancing sampling strategy. We apply generative modeling (1) techniques to synthesize chest radiographs. We then use patient retrieval (2) and verification (3) networks to ensure the non-transference of biome

实验结果

研究问题

• RQ1 潜在扩散模型能否生成高保真度、类别条件性的胸部X光片，同时保留临床相关的异常模式？
• RQ2 所提出的隐私增强型采样策略是否能有效防止真实患者生物特征标识符向合成图像的传递？
• RQ3 仅使用LDM生成的合成数据训练的胸腔异常分类器性能与使用真实数据训练的分类器相比如何？
• RQ4 在图像质量和下游分类实用性方面，LDM生成的图像与PGGAN生成的图像相比如何？
• RQ5 通过LDM生成的合成数据能否作为真实数据的有效替代方案，用于训练医疗AI模型，同时确保患者隐私？

主要发现

• LDM生成的合成数据集在胸腔异常分类任务中实现了78.1%的平均AUC，与真实数据基线（81.6% AUC）相比存在3.5%的性能差距。
• 在PGGAN生成的合成数据上训练的分类器表现显著更差，仅达到71.9%的平均AUC，表明其在传递类别特异性信息方面效果不佳。
• 定性分析显示，LDM生成的图像具有更优的图像质量，解剖结构逼真且病灶清晰可见，而PGGAN图像则表现出伪影和解剖结构扭曲。
• 对于某些病种——如实变（Consolidation）和疝气（Hernia）——基于LDM的分类器甚至超过了真实数据基线，表明合成数据可能有助于提升模型泛化能力。
• 隐私增强型采样策略通过防止模型在生成过程中学习患者特异性模式，成功降低了生物特征再识别风险。
• 结果表明，可使用LDM可靠地生成高质量、匿名、类别条件性的合成胸部X光片，从而在强隐私保障下有效训练诊断模型。

(a) Infiltration