[论文解读] Oral cancer detection and interpretation: Deep multiple instance learning versus conventional deep single instance learning

Nadezhda Koriakina, Nataša Sladoje+2 more|arXiv (Cornell University)|Feb 3, 2022

Colorectal Cancer Screening and Detection被引用 4

一句话总结

本研究比较了仅使用患者级别标签的深度多实例学习（MIL）与传统单实例学习（SIL）在口腔癌检测中的表现。在合成数据（PAP-QMNIST）和真实细胞学数据上，SIL在分类准确率和关键实例检测方面均优于MIL，尤其在识别异型性和恶性细胞方面表现更优，表明SIL在弱监督口腔癌诊断中更具有效性和高效性。

ABSTRACT

The current medical standard for setting an oral cancer (OC) diagnosis is histological examination of a tissue sample from the oral cavity. This process is time consuming and more invasive than an alternative approach of acquiring a brush sample followed by cytological analysis. Skilled cytotechnologists are able to detect changes due to malignancy, however, to introduce this approach into clinical routine is associated with challenges such as a lack of experts and labour-intensive work. To design a trustworthy OC detection system that would assist cytotechnologists, we are interested in AI-based methods that reliably can detect cancer given only per-patient labels (minimizing annotation bias), and also provide information on which cells are most relevant for the diagnosis (enabling supervision and understanding). We, therefore, perform a comparison of a conventional single instance learning (SIL) approach and a modern multiple instance learning (MIL) method suitable for OC detection and interpretation, utilizing three different neural network architectures. To facilitate systematic evaluation of the considered approaches, we introduce a synthetic PAP-QMNIST dataset, that serves as a model of OC data, while offering access to per-instance ground truth. Our study indicates that on PAP-QMNIST, the SIL performs better, on average, than the MIL approach. Performance at the bag level on real-world cytological data is similar for both methods, yet the single instance approach performs better on average. Visual examination by cytotechnologist indicates that the methods manage to identify cells which deviate from normality, including malignant cells as well as those suspicious for dysplasia. We share the code as open source at https://github.com/MIDA-group/OralCancerMILvsSIL

研究动机与目标

• 评估多实例学习（MIL）与单实例学习（SIL）在仅使用患者级别标签的弱监督口腔癌检测中的性能。
• 通过识别对诊断最具相关性的细胞，评估两种方法的可解释性，以增强临床信任与监督。
• 开发并验证一个合成数据集（PAP-QMNIST），其模拟真实口腔细胞学数据，同时提供每个实例的精确真实标签以供评估。
• 比较MIL与SIL在不同神经网络架构（LeNet、ResNet18、SqueezeNet）下在合成与真实数据上的鲁棒性与可靠性。
• 确定MIL在弱监督学习中的理论优势是否能在实际口腔细胞学检测中转化为实用优势。

提出的方法

• 提出一个合成的PAP-QMNIST数据集，以模拟具有受控实例级别标签的口腔细胞学数据，从而支持对实例级别性能的评估。
• 应用ABMIL（基于注意力的MIL）并结合袋内采样与小袋策略，从仅在患者级别标注的细胞袋中进行学习。
• 采用传统SIL方法，将每个细胞分配与其患者相同的标签，从而支持使用标准深度学习框架的端到端训练。
• 在MIL与SIL框架下，对三种神经网络架构（LeNet、ResNet18、SqueezeNet）进行评估，以确保架构一致性。
• 在ABMIL中使用注意力机制，在SIL中使用预测分数，以识别关键实例（如恶性或异型细胞），提升可解释性。
• 通过细胞技师进行视觉验证，评估预测的关键实例是否与临床上相关的正常状态偏离一致。

实验结果

研究问题

• RQ1 当仅提供患者级别标签时，MIL是否在弱监督口腔癌检测中优于SIL？
• RQ2 在每细胞标注有限的情况下，MIL与SIL是否能可靠检测出具有生物学意义的细胞（如恶性或异型细胞）？
• RQ3 在正样本袋中关键实例比例如何影响ABMIL在合成PAP-QMNIST数据上的性能？
• RQ4 在合成数据中，MIL与SIL方法在多大程度上关注于生物学无关的特征（如颜色、方向）？
• RQ5 与更简单的SIL相比，MIL的复杂性是否因其诊断性能与可解释性的提升而得到合理化？

主要发现

• 在PAP-QMNIST合成数据集上，SIL在袋级别准确率与实例级别AUC方面均优于ABMIL，尤其在关键实例比例较低时（如5%）表现更优。
• ABMIL需要每正样本袋中至少10%的关键实例才能可靠分类并实现高AUC，表明存在理论未涵盖的阈值效应。
• ABMIL在PAP-QMNIST中表现出对非相关特征（如颜色、方向）的注意力倾向，提示可能存在虚假注意力模式。
• 在真实世界细胞学数据上，SIL在所有三种架构下均实现了超过0.9的袋级别准确率，而ABMIL平均低于0.85。
• 细胞技师验证显示，SIL检测到了ABMIL未将前36个关键实例识别出的高级别异型细胞，表明SIL在该情况下具有更高的敏感性。
• 尽管理论上有优势，MIL并未表现出对SIL的一致性能提升；在实践中，更简单的SIL方法更具可靠性与内存效率。