[论文解读] Interpretable Fully Convolutional Classification of Intrapapillary Capillary Loops for Real-Time Detection of Early Squamous Neoplasia

Luis C. García-Peraza-Herrera, Martin Everson+11 more|arXiv (Cornell University)|May 2, 2018

AI in cancer detection参考文献 7被引用 6

一句话总结

本文提出一种嵌入类激活图（eCAM）的深度监督全卷积神经网络，用于在窄带成像内镜中对乳头状毛细血管样结构（IPCL）进行可解释的实时分类，以检测早期鳞状上皮内瘤变。通过整合深度监督与eCAM，该方法将F1分数提升至92.7%，并生成高分辨率、临床可解释的注意力图，其与放射学诊断中使用的特征高度一致。

ABSTRACT

In this work, we have concentrated our efforts on the interpretability of classification results coming from a fully convolutional neural network. Motivated by the classification of oesophageal tissue for real-time detection of early squamous neoplasia, the most frequent kind of oesophageal cancer in Asia, we present a new dataset and a novel deep learning method that by means of deep supervision and a newly introduced concept, the embedded Class Activation Map (eCAM), focuses on the interpretability of results as a design constraint of a convolutional network. We present a new approach to visualise attention that aims to give some insights on those areas of the oesophageal tissue that lead a network to conclude that the images belong to a particular class and compare them with those visual features employed by clinicians to produce a clinical diagnosis. In comparison to a baseline method which does not feature deep supervision but provides attention by grafting Class Activation Maps, we improve the F1-score from 87.3% to 92.7% and provide more detailed attention maps.

研究动机与目标

• 为解决在低患病率环境下检测食管内镜中细微早期鳞状上皮内瘤变的临床挑战。
• 开发一种全卷积、实时分类系统，生成与临床诊断特征一致的可解释注意力图。
• 引入一个包含17名患者共7,046帧的新数据集，用于IPCL分类，以支持可复现的研究。
• 通过在多个网络深度嵌入注意力图（eCAM），提升模型可解释性，确保空间保真度与临床相关性。
• 验证自动学习的特征是否与临床使用的视觉线索（如IPCL厚度、扭曲度和不规则性）相关。

提出的方法

• 提出一种具有多尺度监督的深度监督全卷积网络（FCN），以增强不同感受野大小下的特征学习。
• 引入嵌入式类激活图（eCAM），在每个尺度上存储并传播注意力图，保留空间分辨率，支持实时推理。
• 在最后一层使用全局平均池化（GAP），以实现无需全连接层的全卷积推理。
• 采用随机梯度下降（SGD），学习率固定为1e-6，动量为0.9，批量大小为1，以提升小样本数据集上的训练稳定性。
• 采用多尺度融合策略，结合L3、L4和L5分辨率层级的eCAM，生成高质量、统一的注意力图。
• 为每个交叉验证折训练独立的网络，每200次迭代保存一次模型快照，并基于验证性能选择最佳表现模型。

实验结果

研究问题

• RQ1 具有嵌入注意力图（eCAM）的深度监督FCN是否能提升内镜图像中早期鳞状上皮内瘤变检测的分类性能与可解释性？
• RQ2 模型生成的注意力图是否与IPCL形态、厚度和不规则性等临床相关特征一致？
• RQ3 所提出的方法是否能在不同分辨率的内镜帧上实现实时推理，同时保持高准确率与可解释性？
• RQ4 与标准CAM方法相比，深度监督的整合如何提升特征学习与热图质量？
• RQ5 模型学习到的特征在多大程度上与临床医生用于诊断IPCL异常的特征一致或不同？

主要发现

• 所提方法在五折交叉验证中平均F1分数达92.7%，显著优于基线方法（87.3%）。
• 模型表现出高敏感性（89.7%）与高特异性（96.9%），表明其在区分健康与异常IPCL模式方面表现优异。
• eCAM成功突出显示了临床相关特征，如不规则星形IPCL模式与局灶性病变区域，同时有效抑制了无信息量的镜面反光。
• 网络能正确将大面积健康组织识别为良性，即使存在正常黏膜血管，也显著减少了假阳性结果。
• 低分辨率层级（L1与L2）的注意力图因感受野受限与特征抽象不足而表现出高度不确定性，证实了深层监督的重要性。
• 单帧预测时间在26.17 ms至37.48 ms之间，证实了其在标准硬件上的实时推理能力。