医学论文解读-CartiMorph: A framework for automated knee articular cartilage morphometrics

期刊：Medical Image Analysis

年份：2024

英文题目：Semi-supervised medical image classification via distance correlation minimization and graph attention regularization

中文译为：基于距离相关性最小化与图注意力正则化的半监督医学图像分类

一、摘要

医学影像深度学习通常需要大量由临床专家标注的数据，但医学影像标注存在下面的系列问题：

• 成本高；
• 耗时长；
• 需要专业医生；
• 数据隐私与伦理限制；

现实情况通常是：少量 labeled data+大量 unlabeled data

因此作者提出一种新的：Semi-Supervised Learning，半监督学习方法。

论文的核心有两个部分。

第一：Distance Correlation Minimization

对于同一张未标注医学图像，作者首先做两种不同的数据增强，然后分别送入两个相互独立、不共享参数的深度神经网络：，得到两套特征，随后计算，距离相关性，并将其最小化。

目的不是强迫两套特征一样，而恰恰相反，是减少两个特征空间之间的redundant information，即冗余信息。让两个网络从同一张图像中学习：

不同但互补的医学影像特征。

第二：Graph-Attention Regularization

作者进一步认为：

一张医学图像不能只单独看，它和其他患者影像之间本身存在潜在关系。

例如：

• 相似病理；
• 相似组织结构；
• 相似影像表现；
• 相似异常模式。

因此作者把一个batch中的未标注样本构造成：Graph

同一个图像经过两种增强以后，会形成两套图结构： Rf​和： Rg​

作者要求： Rf​≈Rg​

也就是说：

即使同一批医学图像经过不同增强，样本之间的内在关系应该基本保持一致。

从而进一步利用未标注数据。

最终实验覆盖：

• X-ray；
• dermoscopy；
• CT；
• MRI；

四种医学影像场景，并且在多个标注预算下，与多种半监督方法相比取得了较有竞争力的结果。

二、创新点

创新点一：首次将距离相关性最小化用于医学影像半监督分类

已有很多半监督方法采用：Prediction Consistency

例如：

同一张图经过不同增强以后，分类结果应该一致。

或者采用：Pseudo Label，利用模型预测结果作为未标注数据的标签。

但这些方法都有问题。

例如伪标签容易出现：Confirmation Bias

即：

模型一开始预测错了，错误标签又继续拿来训练模型，导致错误越来越强化。

Mean Teacher等方法又可能因为Teacher和Student参数高度耦合，导致：

两个网络缺乏足够的功能多样性。

因此作者没有强迫两个网络： Prediction A​=Prediction B​

而是在：Feature Space上做文章。

作者提出：

让同一张图不同增强视图产生的两个特征空间尽可能减少统计依赖。

距离相关性的优势在于：

不仅能够检测线性关系，也能够检测非线性关系。

这一点非常适合DNN，因为深度网络本身就是： Nonlinear Transformation

创新点二：提出基于图注意力的未标注样本关系正则化

作者认为仅仅做特征去相关还不够。未标注医学图像之间实际上具有：Relational Information

例如两个膝关节MRI可能都存在：

• ACL异常；
• 半月板异常；
• 相似骨结构；
• 类似组织信号。

这些相似性本身也是非常有价值的信息。

因此作者建立：图，每个节点对应一个未标注样本。

作者不提前人为定义：

“哪两张图片应该连接”。

而是：所有节点先连接

再通过：GAT（Graph Attention Network）

自动学习： Attention(i,j)

即：

第 i 个样本应该多大程度关注第 j 个样本。

然后要求同一批图像在两个不同增强视图下： Rf​和： Rg​的样本关系保持一致。

因此它学习的是： Instance−to−instance relation​，而不是简单利用单个图像。

创新点三：不依赖伪标签，也不需要Teacher–Student参数耦合

这也是论文和很多SSL方法的重要区别。它没有：Pseudo Label，所以避免了严重的：confirmation bias。

同时两个网络： f(⋅)和： g(⋅)参数是： θ和： ϕ两套独立参数。

不是： Teacher=EMA(Student)

因此作者把它称为：non-coupled DNN architectures

即：

两个网络结构可以相同，也可以不同，而且参数独立更新。

这样理论上能够保持更强的：representation diversity即表示多样性。

三、方法

这篇论文的方法可以看成三个Loss：

分别对应：

1. 有标签数据分类监督；
2. 未标注数据特征去相关；
3. 未标注数据图关系一致性。

作者对未标注数据生成两个不同视图，论文主要采用：RandAugment

包括：

• Brightness；
• AutoContrast；
• Equalize；
• Invert；
• Rotate；
• Posterize；
• Solarize；
• Contrast；
• Sharpness；
• Shear；
• Translate；

之后将增强的图像和标签图像一起送入两个分支，对有标签数据的分类预测，对未标注样本的进行距离相关性和图正则化约束。

3.1 Distance Correlation

对于未标注样本，两个网络得到：X和： Z。

作者计算不同样本之间的特征距离：

然后经过双中心化得到：和

进一步计算：Distance Covariance

然后归一化得到：

其范围： 0≤≤1。

其中：≈1

说明两个特征空间：

高度相关、包含大量重复信息。

而：≈0

说明：

两个特征空间之间依赖较小。

所以训练目标是： min

为什么这里是“最小化相关性”而不是“最大化一致性”？

这是这篇论文最容易让人疑惑的地方。通常SSL会说：

同一张图不同增强应该得到相似表示。

但是本文认为：

如果两个网络最后学习到完全相同的东西，就产生了大量冗余信息。

例如两个网络都只学：

• 灰度强弱；
• 某个固定组织纹理；

但忽略其他信息。

作者希望：

网络A可能更加关注：Texture

网络B可能更加关注： Structure或者： Pathological Pattern

因此： X和： Z之间不应该完全重复。

所以这里的思想更接近：Feature Decorrelation / Redundancy Reduction

而不是传统的consistency。

3.2 构建未标注样本图

然后作者把X看作一个图​,把： Z看作另外一个图。

每个：或者：就是一个节点。

所有节点先全部连接： Fully Connected Graph。

因此不需要事先知道：

哪两个病人是同一类。

分别使用Graph Attention Network学习样本关系和：

• 对于节点i和 j
• 计算注意力：
• 再经过Softmax得到：。
• 这个值表示：
  样本 i 和样本 j 在当前特征空间中有多强的关系。
• 最终形成：和两张注意力关系矩阵。

虽然作者希望X和 Z本身不要太冗余，

但它们对于：“哪些患者彼此相似”的判断应该保持稳定。

例如同一batch中：

• Patient A和Patient C非常相似；
• Patient B和Patient D比较相似；

这种关系不应该因为图像亮度或旋转发生变化。

因此作者要求：​。利用Cross-Entropy定义：

3.3 总损失

最终：

其中论文实验设置λ=0.4。

所以三部分分别承担：

• Lcls​学习：疾病类别。
• Ldc​减少：两个网络特征的冗余。
• Lgr​保持：未标注样本之间的关系一致。

所以最终形成一种很有意思的组合：Feature Representation不同，​但Data Relationship:一致​

可以把它理解成：

两个网络可以从不同角度理解同一批患者，但对“哪些患者彼此相似”的认识应该一致。

训练的时候需要：

• 两个DNN；
• 两个GAT；
• Distance Correlation；
• Graph regularization。

但是测试的时候：全部不需要。

训练结束后，作者只选择：validation表现最好的那个DNN backbone用于最终分类。

因此：Training:2DNN+2GAT

但是： Inference:1DNN

所以GAT不会给测试阶段增加额外计算开销。

四、试验

4.1 数据集

标注比例：

4.2 结果

当标注只有5%本文：75.77

明显高于监督训练： 66.26

7.5%标注本文： 79.38也是最佳。

但是当标注提高到： 15%,25%以后：NoTeacher反而超过本文。

所以作者明确指出：

SSL-DcGaR最大的优势主要体现在极少标签条件。

五、总结

本文提出SSL-DcGaR半监督医学图像分类方法，通过两个独立DNN对同一未标注图像的不同增强视图进行编码，利用距离相关性最小化减少两个特征空间中的冗余信息，同时将未标注样本构造成全连接图，并通过图注意力学习样本间关系，约束不同视图下的关系结构保持一致；最终将监督分类、特征去相关和图关系正则化联合优化，从而在仅有少量人工标注的情况下提升医学影像分类性能