[论文解读] Sparse-GAN: Sparsity-constrained Generative Adversarial Network for Anomaly Detection in Retinal OCT Image

Kang Zhou, Shenghua Gao+7 more|arXiv (Cornell University)|Nov 28, 2019

Retinal Imaging and Analysis参考文献 19被引用 6

一句话总结

该论文提出Sparse-GAN，一种基于稀疏性约束的生成对抗网络，仅使用健康数据对视网膜OCT图像中的异常进行检测。通过在潜在空间中预测异常并利用新型正则化网络强制实现稀疏性，该方法在测试集上实现了0.925的SOTA AUC，并生成可解释的异常激活图以精确定位病灶。

ABSTRACT

With the development of convolutional neural network, deep learning has shown its success for retinal disease detection from optical coherence tomography (OCT) images. However, deep learning often relies on large scale labelled data for training, which is oftentimes challenging especially for disease with low occurrence. Moreover, a deep learning system trained from data-set with one or a few diseases is unable to detect other unseen diseases, which limits the practical usage of the system in disease screening. To address the limitation, we propose a novel anomaly detection framework termed Sparsity-constrained Generative Adversarial Network (Sparse-GAN) for disease screening where only healthy data are available in the training set. The contributions of Sparse-GAN are two-folds: 1) The proposed Sparse-GAN predicts the anomalies in latent space rather than image-level; 2) Sparse-GAN is constrained by a novel Sparsity Regularization Net. Furthermore, in light of the role of lesions for disease screening, we present to leverage on an anomaly activation map to show the heatmap of lesions. We evaluate our proposed Sparse-GAN on a publicly available dataset, and the results show that the proposed method outperforms the state-of-the-art methods.

研究动机与目标

• 解决罕见或未见视网膜疾病因标注数据有限带来的挑战。
• 在无需使用患病样本作为训练数据的前提下，实现视网膜OCT图像中的异常检测。
• 通过异常激活图定位病灶，提升模型的可解释性。
• 增强对OCT扫描中图像噪声（如斑点噪声）的鲁棒性。
• 开发一种端到端可训练的框架，性能优于AnoGAN和f-AnoGAN等两阶段GAN方法。

提出的方法

• 使用图像到图像的GAN，并通过端到端优化从健康OCT扫描中重建图像。
• 基于输入图像和重建图像在潜在空间中的潜在特征之间的L2距离预测异常分数：$\mathcal{A}(\mathbf{I}_{in}) = \|\mathbf{H}_{in} - \mathbf{H}_{re}\|_2$。
• 引入稀疏性正则化网络，在训练过程中约束潜在特征的稀疏性，从而提升对未见异常的泛化能力。
• 采用额外的编码器将重建图像映射到潜在空间，以降低图像级噪声对异常检测的影响。
• 通过组合重建损失（$\mathcal{L}_{re}$）、对抗损失（$\mathcal{L}_{adv}$）和稀疏性正则化（$\mathcal{L}_{sp}$）进行模型训练。
• 生成异常激活图（AAMs）以突出显示病灶位置，增强临床可解释性。

实验结果

研究问题

• RQ1 在潜在空间中进行异常检测是否能优于图像级重建，在OCT图像分析中表现更优？
• RQ2 在潜在特征中强制实现稀疏性是否能提升对未见视网膜病理的检测能力？
• RQ3 仅在健康OCT数据上训练的基于GAN的框架，能否在无需疾病特异性标注的情况下有效检测多种异常？
• RQ4 所提出的稀疏性正则化网络在提升鲁棒性和泛化能力方面的有效性如何？
• RQ5 模型生成的异常激活图是否能准确地定位临床上相关的病灶？

主要发现

• Sparse-GAN在测试集上实现了0.925的AUC，优于SOTA方法，包括f-AnoGAN（AUC 0.882）和自编码器（AUC 0.783）。
• 该方法在测试集上达到0.951的敏感度，表明误诊率较低。
• 消融实验表明，每个组件——潜在空间异常评分、重建编码和稀疏性正则化——均对性能有逐步贡献，其中稀疏性正则化带来的增益最大。
• 异常激活图成功定位了病灶，验证了模型在临床应用中的可解释性。
• 该框架通过在潜在空间中运行，降低了图像噪声（如斑点噪声）的影响，提升了对异常模式的重建保真度。
• 图像到图像GAN的端到端训练相比AnoGAN和f-AnoGAN等两阶段训练方法表现更优。