Probabilistic Modeling of Multi-rater Medical Image Segmentation for Diversity and Personalization

Technische Zusammenfassung: Entflechtung von Präferenz und Ambiguität für kontrollierbare medizinische Läsionssegmentierung

Problemstellung
Die medizinische Läsionssegmentierung ist inhärent durch Bildunsicherheiten herausgefordert, die aus ungenau definierten Grenzen, Artefakten und unregelmäßigen Formen medizinischer Zielstrukturen resultieren. Eine kritische Manifestation dieser Unsicherheit ist die Inter-Observer-Variabilität, bei der verschiedene Experten für dasselbe Bild abweichende Annotationen liefern. Bestehende Ansätze zur Segmentierung medizinischer Bilder mit mehreren Bewertern fallen im Allgemeinen in zwei eingeschränkte Kategorien:

1. Generierungsmethoden: Diese erzeugen diverse Segmentierungsergebnisse, erfassen jedoch keine expertenspezifische Personalisierung und erzeugen häufig Variationen, die keinem realistischen Expertenverhalten ähneln.
2. Personalisierungsmethoden: Diese replizieren die Ausgaben einzelner Annotatoren, verfügen aber nicht über die Fähigkeit, diverse Segmentierungen zu erzeugen, kodieren Expertenpräferenzen effektiv hart und ignorieren die inhärente Bildambiguität.
3. Crowdsourcing-Methoden: Diese aggregieren mehrere Annotationen zu einer einzigen Meta-Segmentierung, gehen von einer einzigen Ground Truth aus und modellieren die Verteilung der Expertenvariabilität nicht.

Die Arbeit identifiziert eine Lücke in der Literatur: Es gibt keinen effektiven Ansatz, der in der Lage ist, innerhalb eines einheitlichen Rahmens gleichzeitig Segmentierungsergebnisse zu generieren, die sowohl divers (die Bandbreite der Expertenuneinigkeit erfassend) als auch personalisiert (mit spezifischen Expertenannotationen übereinstimmend) sind.

Methodik: ProSeg
Die Autoren schlagen ProSeg (Probabilistic modeling of multi-rater Segmentation) vor, ein probabilistisches grafisches Modell (PGM), das darauf ausgelegt ist, Diversität und Personalisierung zu vereinen. Die Kerninnovation liegt in der Einführung zweier kontinuierlicher latenter Variablen zur Entflechtung der Unsicherheitsquellen:

• $\tau$ (Tau): Modelliert die subjektiven Variationen zwischen Expertenannotatoren (Inter-Observer-Variabilität). Sie wird aus dem spezifischen Expertenannotator $R$ abgeleitet.
• $Z$: Modelliert die Ambiguität in medizinischen Scans (Intra-Bild-Unsicherheit). Sie wird aus den beobachteten Bilddaten $X$ abgeleitet.

Probabilistische Formulierung
ProSeg modelliert die gemeinsame Verteilung $p(Y, x, R)$ von Annotationen ($Y$), Bildern ($x$) und Experten ($R$). Das Modell geht davon aus, dass Annotationen bedingt basierend auf den latenten Variablen $\tau$ und $Z$ generiert werden.

• Generativer Prozess: Das Modell definiert bedingte Verteilungen $p(y_{ri} | \tau_i, z_i)$, $p(x | z_i)$ und $p(r_i | \tau_i)$.
• Variationale Inferenz: Da die Posterior-Verteilungen der latenten Variablen nicht handhabbar sind, wendet das Modell die variationale Inferenz an, um sie mittels $q(z_i | x)$ und $q(\tau | R)$ zu approximieren.
• Trainingsziel: Das Modell wird durch Maximierung der Evidence Lower Bound (ELBO) trainiert, was die negative Log-Likelihood der beobachteten Daten minimiert (Rekonstruktion von Bildern, Klassifizierung von Experten und Segmentierungsgenauigkeit), während die Posterior-Verteilungen von $\tau$ und $Z$ regularisiert werden, um ihren Priors zu entsprechen (Dirichlet für $\tau$ und Gauß für $Z$).

Modellarchitektur
Die Architektur besteht aus fünf neuronalen Netzwerkmodulen:

1. Image Encoder: Leitet die Ambiguitäts-Variable $z$ aus dem Bild $x$ ab.
2. Image Decoder: Rekonstruiert das Bild aus $z$.
3. Class Embedding: Leitet die Expertenpräferenz-Variable $\tau$ aus dem Expertenannotator $R$ ab.
4. Classifier: Vorhersage des Expertenannotators aus $\tau$.
5. Segmentation Predictor: Generiert die Segmentierung $y_{ri}$ bedingt sowohl auf $\tau_i$ als auch auf $z_i$.

Steuermechanismen

• Personalisierung: Durch Angabe eines bestimmten Experten $r$ sampelt das Modell $\tau$ aus $q(\tau | r)$ und erzeugt eine Segmentierung, die mit dem Stil dieses spezifischen Experten übereinstimmt, während die Diversität durch das Sampeln von $z$ erhalten bleibt.
• Diversität: Durch das Sampeln von $\tau$ aus der Prior-Verteilung $p(\tau)$ (Dirichlet) anstatt aus der Posterior-Verteilung eines spezifischen Experten generiert das Modell diverse Segmentierungsergebnisse, die das gesamte Spektrum der Expertenvariabilität repräsentieren.

Experimentelle Ergebnisse
Die Autoren evaluierten ProSeg auf zwei Benchmark-Datensätzen:

1. LIDC-IDRI: Ein Datensatz für Lungenknoten mit vier Expertenannotationen pro Bild.
2. NPC: Ein Datensatz für Nasopharynxkarzinome mit vier realen Radiologen, der eine höhere Variabilität in den Präferenzen aufweist.

Schlüsselmetriken:

• Diversität: Gemessen durch Generalized Energy Distance (GED) und Soft Dice ($D_{soft}$).
• Personalisierung: Gemessen durch Match Dice ($D_{match}$), Maximum Dice ($D_{max}$) und durchschnittliche Dice-Werte gegenüber spezifischen Experten ($D_{mean}$).

Ergebnisse:

• ProSeg erzielte auf beiden Datensätzen State-of-the-Art (SOTA)-Leistungen.
• Auf LIDC-IDRI erreichte ProSeg den niedrigsten GED (0,1152) und den höchsten $D_{soft}$ (91,53 %) und übertraf Generierungsmethoden (z. B. Probabilistic U-Net) sowie Personalisierungsmethoden (z. B. TAB, Pionono).
• Auf dem schwierigeren NPC-Datensatz verbesserte ProSeg die Diversitätsleistung um 20,71 % gegenüber früheren SOTA-Personalisierungsmethoden in Bezug auf GED, während gleichzeitig eine hohe Personalisierungsgenauigkeit erhalten blieb ($D_{mean} = 82,07\%$).
• Ablationsstudien bestätigten, dass beide latenten Variablen entscheidend sind; das Entfernen entweder von $\tau$ oder $Z$ führte zu einer signifikanten Leistungsverschlechterung.
• Visuelle Analysen zeigten, dass ProSeg Segmentierungen erzeugt, die sowohl divers als auch eng mit der „Gold Standard"-Verteilung der Expertenannotationen übereinstimmen, während andere Methoden entweder an Diversität mangeln oder spezifische Expertenpräferenzen nicht treffen.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass ProSeg das erste probabilistische Modellierungsframework ist, das die Modellierung von Diversität und Personalisierung für die Segmentierung von Läsionen mit mehreren Bewertern vereint. Durch das gemeinsame Lernen dieser Aspekte innerhalb eines einzigen probabilistischen Rahmens adressiert ProSeg die Einschränkungen bestehender Methoden, die Diversität und Personalisierung als gegenseitig ausschließend behandeln oder mehrstufiges Training erfordern. Die Autoren betonen, dass ProSeg ein generalisierbares Framework bietet, das auf andere medizinische Bildsegmentierungsaufgaben mit mehreren Bewertern erweitert werden kann und eine robuste Lösung für den Umgang mit der inhärenten Unsicherheit und Variabilität in der klinischen Diagnose bietet. Die Arbeit unterstreicht, dass sowohl die Ambiguität des Bildes als auch die Subjektivität des Annotators erfasst werden müssen, um zuverlässige und klinisch relevante Segmentierungsergebnisse zu generieren.