[论文解读] Multi-task Learning for Chest X-ray Abnormality Classification on Noisy Labels

Sebastian Gündel, Florin C. Ghesu+5 more|arXiv (Cornell University)|May 15, 2019

COVID-19 diagnosis using AI参考文献 34被引用 20

一句话总结

本文提出了一种用于胸部X光片异常分类的多任务深度学习框架，可联合预测12种异常、其解剖位置以及肺部和心脏的分割结果，显著提升了分类性能。通过利用空间和解剖先验知识，并应用一种新型归一化技术，该模型在297,541张图像上实现了0.883的SOTA平均AUC，若基于放射科医生共识排除不确定病例后，AUC进一步提升至0.945。

ABSTRACT

Chest X-ray (CXR) is the most common X-ray examination performed in daily clinical practice for the diagnosis of various heart and lung abnormalities. The large amount of data to be read and reported, with 100+ studies per day for a single radiologist, poses a challenge in maintaining consistently high interpretation accuracy. In this work, we propose a method for the classification of different abnormalities based on CXR scans of the human body. The system is based on a novel multi-task deep learning architecture that in addition to the abnormality classification, supports the segmentation of the lungs and heart and classification of regions where the abnormality is located. We demonstrate that by training these tasks concurrently, one can increase the classification performance of the model. Experiments were performed on an extensive collection of 297,541 chest X-ray images from 86,876 patients, leading to a state-of-the-art performance level of 0.883 AUC on average for 12 different abnormalities. We also conducted a detailed performance analysis and compared the accuracy of our system with 3 board-certified radiologists. In this context, we highlight the high level of label noise inherent to this problem. On a reduced subset containing only cases with high confidence reference labels based on the consensus of the 3 radiologists, our system reached an average AUC of 0.945.

研究动机与目标

• 解决胸部X光片（CXR）异常分类中放射科医生间差异大及标签噪声高的挑战。
• 通过整合辅助任务（肺部和心脏分割、异常的空间定位）来提升分类性能。
• 开发一种稳健的归一化技术，以应对不同成像设备和协议导致的图像强度变化。
• 通过三名获得认证的放射科医生参与的多读者观察研究，量化并缓解标签噪声的影响。
• 证明模型预测的置信度分数与放射科医生的一致性高度相关，从而实现不确定性感知的分类。

提出的方法

• 提出一种多任务深度神经网络，使分类、分割和空间定位分支共享特征。
• 使用密集连接块并结合全局平均池化，生成12种异常的分类得分。
• 实现类似U-Net的解码器分支，用于预测肺部和心脏的分割掩码。
• 引入一种任务特定的归一化技术，以减少因成像采集设置差异导致的域偏移。
• 基于放射科医生共识，采用不确定性带过滤策略，识别并排除低置信度病例。
• 采用端到端训练，分类任务使用交叉熵损失，分割任务使用二元交叉熵损失，实现联合优化。

实验结果

研究问题

• RQ1 联合学习分割和空间定位是否能提升胸部X光片异常分类的性能？
• RQ2 大规模CXR数据集中标签噪声对模型性能有何影响？是否可通过多读者共识加以缓解？
• RQ3 模型预测的置信度分数与放射科医生在图像解读上的一致性相关程度如何？
• RQ4 整合解剖先验（肺部/心脏分割）是否能带来更鲁棒、更准确的分类？
• RQ5 新型归一化策略是否能提升训练速度并增强模型在多样化成像设备上的泛化能力？

主要发现

• 所提出的多任务模型在包含297,541张CXR图像的完整数据集上，12种异常类别平均AUC达到SOTA水平的0.883。
• 在基于放射科医生共识推导出的不确定性带内排除病例后，平均AUC显著提升至0.945。
• 模型预测的置信度分数与多读者一致性表现出强相关性，表明其具备可靠的不确定性估计能力。
• 过滤后，高置信度阴性病例和阳性病例的保留率分别达到76%和73%，表明噪声有效减少。
• 采用任务特定的归一化技术后，训练速度加快，且对不同成像源的强度变化更具鲁棒性。
• 整合肺部和心脏分割任务提供了有意义的归纳偏差，显著提升了大多数异常的分类性能。