[论文解读] Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs

Dipkamal Bhusal, Sanjeeb Prasad Panday|arXiv (Cornell University)|Feb 8, 2022

COVID-19 diagnosis using AI被引用 8

一句话总结

该论文提出了一种基于121层DenseNet架构的多标签胸部疾病分类系统，用于胸部X光片分析，对心脏扩大（cardiomegaly）的AUC达到0.896，对结节（nodule）的AUC为0.655，同时通过Grad-CAM热力图提升了模型在临床决策中的可解释性与可信度。

ABSTRACT

Traditional methods of identifying pathologies in X-ray images rely heavily on skilled human interpretation and are often time-consuming. The advent of deep learning techniques has enabled the development of automated disease diagnosis systems. Still, the performance of such systems is opaque to end-users and limited to detecting a single pathology. In this paper, we propose a multi-label disease prediction model that allows the detection of more than one pathology at a given test time. We use a dense convolutional neural network (DenseNet) for disease diagnosis. Our proposed model achieved the highest AUC score of 0.896 for the condition Cardiomegaly with an accuracy of 0.826, while the lowest AUC score was obtained for Nodule, at 0.655 with an accuracy of 0.66. To build trust in decision-making, we generated heatmaps on X-rays to visualize the regions where the model paid attention to make certain predictions. Our proposed automated disease prediction model obtained highly confident high-performance metrics in multi-label disease prediction tasks.

研究动机与目标

• 通过实现单张X光片中多种胸部病理的同时检测，解决单标签分类在胸部X光片诊断中的局限性。
• 通过识别图像中同时存在的疾病，提高诊断准确性并减少假阴性。
• 通过Grad-CAM等可解释性技术，可视化模型关注区域，提升模型的可信度。
• 为放射科专家稀缺的资源有限环境，开发一种可靠且高性能的自动化系统。
• 通过胸部疾病多标签共现模式，推动流行病学洞察，助力公共卫生发展。

提出的方法

• 利用121层密集卷积神经网络（DenseNet）进行特征提取和多标签分类，处理前后位胸部X光片。
• 采用二元交叉熵损失函数与Sigmoid激活函数，实现14种独立病理的分类预测。
• 应用Grad-CAM（梯度类激活映射）生成热力图，可视化影响模型预测的X光片感兴趣区域。
• 在NIH Chest X-ray-14数据集上进行训练，该数据集包含112,120张前后位X光片，标注有14种病理。
• 应用数据增强和归一化技术，以提升模型泛化能力和训练稳定性。
• 通过每种病理的AUC、准确率及95%置信区间评估性能，以衡量可靠性与一致性。

实验结果

研究问题

• RQ1 深度学习模型能否在单张胸部X光片中实现对多种胸部疾病多标签分类的高性能？
• RQ2 模型在不同病理上的表现如何，特别是对低发生率或影像学特征不明显的疾病？
• RQ3 Grad-CAM热力图在多大程度上提升了模型的可解释性，并支持临床对预测结果的验证？
• RQ4 置信区间如何反映模型预测在不同数据样本中的可靠性与一致性？
• RQ5 该模型在真实临床部署中存在哪些关键局限性，特别是关于影像类型和与患者病史整合方面？

主要发现

• 模型在心脏扩大（cardiomegaly）上的AUC达到最高分0.896，准确率为0.826，表明该病种表现优异。
• 结节（nodule）检测的AUC最低，为0.655，准确率为0.66，表明对小病灶或细微病变的识别存在挑战。
• 所有病理的AUC置信区间均较窄（如心脏扩大为0.86–0.92），表明模型预测具有高度可靠性和一致性。
• Grad-CAM热力图成功定位了X光片中的感兴趣区域，如心脏扩大对应的心脏区域，以及质量或结节检测对应的肺部结节区域，显著增强了模型的可解释性。
• 模型表现出稳健的泛化能力，表现为置信区间窄且在多种病理中性能一致。
• 本研究凸显了多标签深度学习系统在检测单标签模型可能遗漏的共病方面，具有减少假阴性的潜力。