Robust Multi-Source Covid-19 Detection in CT Images

1. Problemstellung

Die Erkennung von COVID-19 mittels Deep-Learning-Modellen auf Basis von Thorax-CT-Scans funktioniert gut, wenn Trainings- und Testdaten aus derselben Institution stammen. Das Modell versagt jedoch häufig, wenn es auf Daten aus mehreren Zentren angewendet wird, die sich in Scannern, Bildgebungsprotokollen und Patientendemografien unterscheiden. Dieses Phänomen wird als Domain Shift bezeichnet.

Ein zentrales Problem in solchen Multi-Source-Szenarien ist die Ungleichverteilung der Daten: Einige Zentren tragen deutlich mehr Trainingsdaten bei als andere. Herkömmliche Modelle, die nur die COVID-19-Klassifikation als Ziel haben, neigen dazu, Merkmale zu lernen, die stark mit den dominanten Datenquellen korrelieren (z. B. spezifische Scanner-Artefakte oder Helligkeitsverteilungen), anstatt generalisierbare pathologische Merkmale zu erfassen. Dies führt zu einer schlechten Leistung bei unterrepräsentierten Zentren.

2. Methodik

Das vorgeschlagene Framework adressiert diese Herausforderungen durch einen Multi-Task-Learning-Ansatz in Kombination mit einer speziellen Verlustfunktion. Die Architektur besteht aus drei Hauptkomponenten:

A. Vorverarbeitung (Preprocessing)

Um die Heterogenität der Rohdaten zu reduzieren, wird das SSFL-Framework (Slice Sampling with Fixed Length) mit KDS (Kernel-Density-based Slice Sampling) verwendet:

• Lungen-Extraktion: Rauschen wird unterdrückt, und eine binäre Maske für die Lunge wird erstellt.
• Slice Sampling: Anstatt alle Scans gleichmäßig zu unterabtasten (was bei unterschiedlichen Scan-Längen zu Informationsverlust führen würde), wird eine Dichteschätzung der Lungenfläche berechnet. Daraus werden pro Scan genau 8 repräsentative Schichten ausgewählt, die anatomisch relevante Bereiche (wie den Hilus) abdecken, unabhängig von der ursprünglichen Scan-Länge.
• Die Bilder werden auf $256 \times 256$ Pixel skaliert.

B. Multi-Task-Architektur

Das Modell nutzt einen gemeinsamen EfficientNet-B7 Backbone, der mit ImageNet-Vorgewichten initialisiert ist.

• Eingabe: Die 8 extrahierten Schichten werden unabhängig durch den Backbone geleitet.
• Aggregation: Die resultierenden Feature-Vektoren (Dimension 2560) werden durch elementweises Mittelwert-Pooling zu einem einzigen Scan-Level-Vektor zusammengefasst.
• Zwei Klassifikationsköpfe (Heads):
  1. COVID-19-Detektion: Ein binärer Klassifikator (Sigmoid-Aktivierung), der die Wahrscheinlichkeit einer Infektion vorhersagt.
  2. Source-Identifikation (Hilfsaufgabe): Ein 4-Klassen-Klassifikator (Softmax), der vorhersagt, aus welchem der vier medizinischen Zentren der Scan stammt.
• Ziel: Durch das gleichzeitige Lernen beider Aufgaben wird der Backbone gezwungen, Merkmale zu extrahieren, die für die Diagnose relevant sind, aber unabhängig von der Quelle (Scanner/Institut) sind. Der Source-Head dient als Regularisierung, um domain-spezifische Artefakte zu unterdrücken.

C. Logit-Adjustierte Verlustfunktion (Logit-Adjusted Loss)

Da die Datenquellen ungleich verteilt sind (drei Quellen mit ca. 330 Scans, eine mit 234), würde ein Standard-Cross-Entropy-Loss für den Source-Head dazu führen, dass das Modell die Mehrheitsklassen bevorzugt.

• Um dies zu korrigieren, wird eine logit-adjustierte Cross-Entropy-Loss-Funktion ($\ell_{LA}$) für den Source-Head verwendet.
• Diese fügt einen Offset basierend auf dem Logarithmus der Klassenfrequenz ($\log(p(d))$) zu den Logits hinzu, bevor die Softmax-Funktion angewendet wird.
• Effekt: Dies senkt die Schwelle für die Vorhersage seltener Quellen und verhindert, dass der Gradient des Source-Heads die gemeinsamen Features zugunsten der dominanten Zentren verzerrt.

Der Gesamtverlust ist eine gewichtete Summe: $\mathcal{L} = \mathcal{L}_{CE} + \gamma \cdot \mathcal{L}_{LA}$, wobei $\gamma$ den Einfluss der Hilfsaufgabe steuert.

3. Wichtige Beiträge

1. Multi-Task-Formulierung: Die Umstellung der Multi-Source-Erkennung auf ein Multi-Task-Problem, bei dem die Diagnose mit der Quellenidentifikation gekoppelt wird, um die Generalisierung über institutionelle Grenzen hinweg zu erzwingen.
2. Logit-Adjustierung für Fairness: Der Nachweis, dass die Anwendung von logit-adjustiertem Cross-Entropy auf den Source-Head die Leistung signifikant verbessert, indem sie die Verzerrung durch unausgewogene Datenquellen korrigiert.
3. Ergebnisverbesserung: Die Methode übertrifft sowohl Single-Task-Baselines als auch Standard-Multi-Task-Varianten (ohne Logit-Adjustierung) deutlich.

4. Ergebnisse

Die Evaluation erfolgte auf einem Validierungsset von 308 Scans aus vier verschiedenen Quellen.

• Gesamtleistung: Das beste Modell (Multi-Task + Logit-Adjusted Loss mit $\gamma=0.5$) erreichte:
  • F1-Score: 0.9098
  • AUC-ROC: 0.9647
  • Final Score (offizielle Metrik, gewichtet nach Quellen): 0.8194
• Vergleich:
  • Gegenüber dem Single-Task-Baseline (F1: 0.8915, Final Score: 0.8008) eine Steigerung des Final Scores um 1,86 Prozentpunkte.
  • Gegenüber dem besten Standard-Multi-Task-Varianten (mit normalem CE-Loss) eine Steigerung um 1,98 Prozentpunkte.
• Per-Source-Analyse: Die größten Verbesserungen wurden bei den Quellen erzielt, die im Baseline-Modell am schlechtesten abschnitten (Source 0 und Source 2). Interessanterweise litt Source 3 unter einem strukturellen Mangel an positiven COVID-Fällen im Validierungsset, was die Leistung dort limitierte, aber das Modell zeigte dennoch eine hohe Spezifität für nicht-infizierte Fälle in dieser Quelle.
• Hyperparameter-Sensitivität: Ein $\gamma$ von 0.5 erwies sich als optimal. Ein zu niedriges $\gamma$ regularisiert nicht stark genug, ein zu hohes $\gamma$ (z. B. 1.0) lässt die Hilfsaufgabe die primäre Diagnoseaufgabe dominieren, was die Leistung wieder verschlechtert.

5. Bedeutung und Fazit

Das Paper demonstriert, dass Multi-Task-Learning allein nicht ausreicht, um Domain-Shift-Probleme in der medizinischen Bildgebung zu lösen. Wenn die Hilfsaufgabe (Source-Identifikation) nicht sorgfältig an die Datenverteilung angepasst wird (hier durch Logit-Adjustierung), kann sie die Verzerrung sogar verstärken.

Der vorgeschlagene Ansatz bietet einen robusten Weg, um Modelle zu entwickeln, die über verschiedene Krankenhäuser hinweg generalisieren, ohne dass eine explizite Domain-Adaptation oder Zugriff auf gelabelte Ziel-Daten erforderlich ist. Dies ist ein entscheidender Schritt hin zu faireren und klinisch einsatzfähigeren KI-Systemen, die nicht nur auf den Daten der größten Partnerinstitutionen trainiert wurden.

Limitationen: Das Verfahren setzt voraus, dass die Quell-Labels (Krankenhaus-Identität) während des Trainings bekannt sind, was in vollständig anonymisierten Datensätzen nicht immer der Fall ist. Zudem wird eine feste Vorverarbeitungsstrategie über alle Quellen hinweg angewendet.