Lindsay et al., 2018, Transfer Learning Approach to Predict Biopsy-Confirmed Malignancy of Lung Nodules from Imaging Data:A Pilot Study

# 세줄요약 #

1. Dataset Includes 796 patient have pathology-confirmed diagnosis(from CT-guided biopsy) and high-resolution CT imaging data at one institution between 2012 and 2017.
2. To avoid overfitting on small dataset, Transfer learning to train a network using open dataset(LIDC) and added three new untrained layers.
3. These study using only 86 patients, because Lesion location was manually determined using the biopsy guidance CT scan, so the result is AUC of 0.70 and classification accuracy of 71%.

 

# 상세 리뷰

1. 데이터셋

• 한 기관에서 2012년부터 2017년까지 796명의 환자에 대해 고해상도의 CT 영상 데이터와 함께 병리학 기반으로 진단한 조직검사 Ground Truth(Benign/Malignant)를 가진 데이터셋
• 따라서 기존 연구들에서 Lung RADS를 기준으로 영상의학의들이 판단한 기준과 달리 정확히 폐 결절의 악성/양성 여부를 판단할 수 있기에 가치가 있는 데이터셋이다.
• 그러나 병변 위치를 AI를 이용해 찾지 않고(Segmentation of Detection) 결절 위치를 직접 사람이 찾아서 Patch Extraction을 하였기에 실제 사용한 환자수는 86명 밖에 되지 않는다.
  • Traing Set: 65명 (72% Malignant, 28% Benign)
  • Test Set: 21명 (72% Malignant, 28% Benign)

2. 신경망 학습

• 데이터 갯수가 너무 적기에 Overfitting을 피하기 위해서 Transfer learning을 사용하려 하는데 문제는 이 논문의 데이터셋처럼 조직검사 기반의 다른 폐결절 데이터셋이 존재하지 않는 것이다(기존의 LIDC, LUNA 데이터셋 모두 영상의학의들이 판단한 레이블 사용).
• 따라서 유사한 데이터셋이라도 사용하기 위하여 LIDC를 학습한 3D-CNN을 BackBone으로 가져온 후에 그 뒤에 Spatial pooling, Dense, Softmax 층 정도만 더해서 논문의 데이터셋으로 재학습시켰다.
• 전처리에 대한 언급은 없는 것으로 보아 특별히 Lung Segmentation, CLAHE 같은 기법들은 사용하지 않은 것으로 보인다. 결절 부분만 64x64x64 사이즈로 Patch Extraction한 것이 전부로 보인다.
• 학습에 사용된 하이퍼 파라미터는 다음과 같다.
  • Class Weight = 10:1 (benign, Maligant)
  • Optimizer = Adam
  • Learning Rate = 1e-3
  • Training Epoch = 2000 steps

   

3. 학습 결과

• AUC: 0.70
• Acc: 71%

 

 논문 제목에 Pilot Study라 명시한 이유가 아마도 전체 데이터셋(796)을 다 사용하지 못하고서 우선 86명의 환자로만 낸 결과라 성능이 낮아서 그런 것 같다. 796 데이터셋을 모두 사용한다면 분명 성능 향상이 있을 것으로 보이고 논문의 필자들 또한 Conclusion 파트에서 언급하고 있다.

 

* Reference: Lindsay W., Wang J., Sachs N., Barbosa E., Gee J. (2018) Transfer Learning Approach to Predict Biopsy-Confirmed Malignancy of Lung Nodules from Imaging Data: A Pilot Study. In: Stoyanov D. et al. (eds) Image Analysis for Moving Organ, Breast, and Thoracic Images. RAMBO 2018, BIA 2018, TIA 2018. Lecture Notes in Computer Science, vol 11040. Springer, Cham. https://doi.org/10.1007/978-3-030-00946-5_29