Efficient Out-of-Distribution Detection of Melanoma with Wavelet-based Normalizing Flows

要約

メラノーマは皮膚がんの一種で、末期になると死亡率が高くなる重篤な疾患です。幸いなことに、早期に発見された場合、メラノーマの予後は有望であり、悪性メラノーマの発生率は比較的低くなっています。その結果、データセットは大きくアンバランスになり、現在の最新の教師あり分類AIモデルの学習を複雑にしています。我々は、生成モデルを用いて良性データ分布を学習し、密度推定によりOut-of-Distribution(OOD)悪性画像を検出することを提案する。正規化フロー(NFs)は厳密な尤度を計算できるため、OOD検出の理想的な候補である。しかしながら、NFは意味的文脈よりも見かけ上の図形的特徴に帰納的なバイアスをかけるため、正確なOOD検出を妨げている。本研究では、メラノーマに関するドメインレベルの知識を用いて、これらのバイアスを利用し、尤度に基づく悪性画像のOOD検出を改善することを目的とする。我々の有望な結果は、NFを用いたメラノーマのOOD検出の可能性を示すものである。ウェーブレットベースのNFを用いることで、Receiver Operating Characteristicsの曲線下面積を9%増加させることに成功した。このモデルは、推論に必要なパラメータが非常に少なく、エッジデバイスへの適用が可能である。提案手法は、医療従事者の皮膚がん患者の診断に役立ち、生存率を継続的に向上させることができます。さらに、本研究は、データの不均衡が問題となる腫瘍学の他の分野にも道を開くものであるfootnote{Code available at: https://github.com/A-Vzer/WaveletFlowPytorch}

要約(オリジナル)

Melanoma is a serious form of skin cancer with high mortality rate at later stages. Fortunately, when detected early, the prognosis of melanoma is promising and malignant melanoma incidence rates are relatively low. As a result, datasets are heavily imbalanced which complicates training current state-of-the-art supervised classification AI models. We propose to use generative models to learn the benign data distribution and detect Out-of-Distribution (OOD) malignant images through density estimation. Normalizing Flows (NFs) are ideal candidates for OOD detection due to their ability to compute exact likelihoods. Nevertheless, their inductive biases towards apparent graphical features rather than semantic context hamper accurate OOD detection. In this work, we aim at using these biases with domain-level knowledge of melanoma, to improve likelihood-based OOD detection of malignant images. Our encouraging results demonstrate potential for OOD detection of melanoma using NFs. We achieve a 9\% increase in Area Under Curve of the Receiver Operating Characteristics by using wavelet-based NFs. This model requires significantly less parameters for inference making it more applicable on edge devices. The proposed methodology can aid medical experts with diagnosis of skin-cancer patients and continuously increase survival rates. Furthermore, this research paves the way for other areas in oncology with similar data imbalance issues\footnote{Code available at: https://github.com/A-Vzer/WaveletFlowPytorch}

arxiv情報

著者 M. M. Amaan Valiuddin,Christiaan G. A. Viviers,Ruud J. G. van Sloun,Peter H. N. de With,Fons van der Sommen
発行日 2022-08-09 09:57:56+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.CV パーマリンク