Solving Sample-Level Out-of-Distribution Detection on 3D Medical Images

要約

深層学習 (DL) モデルは、データがトレーニング分布とは異なる分布から取得されたものである場合、パフォーマンスが低下する傾向があります。
医療画像などの重要なアプリケーションでは、分布外 (OOD) 検出はそのようなデータ サンプルの特定に役立ち、モデルの信頼性が向上します。
最近の研究では、2D 医療画像で有望な結果を達成する DL ベースの OOD 検出が開発されました。
ただし、これらのアプローチのほとんどを 3D 画像上でスケーリングすることは、計算的に処理が困難です。
さらに、現在の 3D ソリューションは、合成 OOD サンプルであっても、許容できる結果を達成するのに苦労しています。
このような限られたパフォーマンスは、DL が大きな体積の画像を非効率的に埋め込むことが多いことを示している可能性があります。
元の CT または MRI スキャンの強度ヒストグラムを埋め込みとして使用することは、OOD 検出を実行するのに十分な記述であると主張します。
したがって、DLを必要とせず、この領域でほぼ完璧な結果を達成するヒストグラムベースの方法を提案します。
私たちの提案は二重に支持されています。
公開されているデータセットでパフォーマンスを評価し、ほとんどの設定でこのメソッドのスコアは 1.0 AUROC です。
そして、タスク固有の知識を微調整したり活用したりすることなく、医療流通外の課題で 2 位を獲得しました。
制限について慎重に議論した結果、現在の設定では、私たちの方法が 3D 医療画像上のサンプルレベルの OOD 検出を解決できると結論付けられました。

要約(オリジナル)

Deep Learning (DL) models tend to perform poorly when the data comes from a distribution different from the training one. In critical applications such as medical imaging, out-of-distribution (OOD) detection helps to identify such data samples, increasing the model’s reliability. Recent works have developed DL-based OOD detection that achieves promising results on 2D medical images. However, scaling most of these approaches on 3D images is computationally intractable. Furthermore, the current 3D solutions struggle to achieve acceptable results in detecting even synthetic OOD samples. Such limited performance might indicate that DL often inefficiently embeds large volumetric images. We argue that using the intensity histogram of the original CT or MRI scan as embedding is descriptive enough to run OOD detection. Therefore, we propose a histogram-based method that requires no DL and achieves almost perfect results in this domain. Our proposal is supported two-fold. We evaluate the performance on the publicly available datasets, where our method scores 1.0 AUROC in most setups. And we score second in the Medical Out-of-Distribution challenge without fine-tuning and exploiting task-specific knowledge. Carefully discussing the limitations, we conclude that our method solves the sample-level OOD detection on 3D medical images in the current setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google