[论文解读] Synthetic Augmentation and Feature-based Filtering for Improved Cervical Histopathology Image Classification

Yuan Xue, Qianying Zhou+6 more|arXiv (Cornell University)|Jul 24, 2019

AI in cancer detection参考文献 15被引用 6

一句话总结

本文提出一种基于条件生成对抗网络（cGAN）的数据增强框架，结合特征空间过滤，以提升宫颈组织病理学图像分类性能。通过生成合成的上皮组织切片，并基于其与各类别中心在特征空间中的距离进行过滤，该方法将ResNet18的准确率从66.3%提升至71.7%，表明在医学图像增强中，特征质量比视觉真实感更为关键。

ABSTRACT

Cervical intraepithelial neoplasia (CIN) grade of histopathology images is a crucial indicator in cervical biopsy results. Accurate CIN grading of epithelium regions helps pathologists with precancerous lesion diagnosis and treatment planning. Although an automated CIN grading system has been desired, supervised training of such a system would require a large amount of expert annotations, which are expensive and time-consuming to collect. In this paper, we investigate the CIN grade classification problem on segmented epithelium patches. We propose to use conditional Generative Adversarial Networks (cGANs) to expand the limited training dataset, by synthesizing realistic cervical histopathology images. While the synthetic images are visually appealing, they are not guaranteed to contain meaningful features for data augmentation. To tackle this issue, we propose a synthetic-image filtering mechanism based on the divergence in feature space between generated images and class centroids in order to control the feature quality of selected synthetic images for data augmentation. Our models are evaluated on a cervical histopathology image dataset with a limited number of patch-level CIN grade annotations. Extensive experimental results show a significant improvement of classification accuracy from 66.3% to 71.7% using the same ResNet18 baseline classifier after leveraging our cGAN generated images with feature-based filtering, which demonstrates the effectiveness of our models.

研究动机与目标

• 解决训练鲁棒分类器时宫颈组织病理学图像标注数据有限的挑战。
• 克服尽管视觉逼真但生成图像特征质量参差不齐的GAN局限性。
• 开发一种过滤机制，确保合成图像能为数据增强贡献有意义的特征。
• 在仅使用少量真实标注的情况下，提升4类CIN分级任务的分类性能。
• 证明基于特征的过滤可使GAN增强效果超越传统或未过滤的合成数据。

提出的方法

• 使用带有辅助分类器（AC）的条件生成对抗网络（cGAN）训练，以生成逼真的宫颈上皮组织切片。
• 引入小批量判别机制，提升生成图像之间的多样性。
• 在真实训练数据上预训练ResNet18特征提取器，并在嵌入空间中计算各类别的特征中心。
• 通过选择在特征空间中与对应类别中心距离最近的合成图像，实现基于特征质量的过滤。
• 以受控比例R（如0.5或2.0）将过滤后的合成图像加入原始训练集，保持类别平衡。
• 在合并的真实数据与过滤后的合成数据集上重新训练ResNet18分类器，以评估性能。

实验结果

研究问题

• RQ1 基于cGAN的数据增强是否能提升在标注数据有限的宫颈组织病理学切片数据上的分类准确率？
• RQ2 与未过滤或传统增强方法相比，基于特征空间中与类别中心距离的过滤是否能提升模型性能？
• RQ3 不同合成图像与真实图像比例下，增强后模型的性能如何变化？
• RQ4 基于特征的过滤机制是否能有效稳定并提升多次运行中生成图像的质量？
• RQ5 所提出方法是否能在CIN分级任务中超越基线模型及传统数据增强技术？

主要发现

• 采用基于特征的过滤方法后，模型分类准确率达到71.7%，显著优于基线ResNet18模型的66.3%。
• 在增强比例R=2时，经特征过滤的cGAN模型达到最高准确率（71.7%）与AUC（0.811），优于所有基线及未过滤变体。
• 经过过滤的模型在多次运行中表现一致，标准差仅为0.008，表明合成图像的特征质量稳定可靠。
• 即使在高增强比例（R=2）下，过滤模型仍保持优异性能；而未过滤cGAN在R=2时性能下降至66.0%，低于基线水平。
• 过滤模型的敏感性提升至61.1%（基线为55.3%），表明对异常CIN类别的检测能力增强。
• 过滤模型的特异性保持在88.6%，表明尽管敏感性提高，但假阳性率仍较低。