BreastMammo and DenseMammo: Benchmarks for Mammography Domain Generalization

Stellen Sie sich eine Welt vor, in der Ärzte eine supermächtige Brille besitzen, die durch den menschlichen Körper sehen kann, um Probleme zu erkennen, bevor sie zu einer Krise werden. Dies ist das Versprechen von Künstlicher Intelligenz (KI) in der Medizin, speziell bei der Betrachtung von Mammographien – speziellen Röntgenbildern der Brust. Jahrelang haben Wissenschaftler diese KI-„Brillen“ darauf trainiert, Brustkrebs zu erkennen, aber sie sind gegen eine frustrierende Wand gestoßen. Das Problem ist: Jedes Krankenhaus verwendet unterschiedliche Röntgengeräte von verschiedenen Herstellern, so wie jede Marke einer Kamera Fotos mit leicht unterschiedlichen Farben und Lichtverhältnissen aufnimmt. Eine KI, die auf Fotos einer bestimmten Marke trainiert wurde, wird oft verwirrt, wenn sie Fotos einer anderen Marke sieht. Es ist, als würde man einen Schüler lehren, eine Katze nur anhand von Bildern in einem ganz bestimmten Kunststil zu erkennen; wenn man ihm dann ein Foto in einem anderen Stil zeigt, erkennt er die Katze vielleicht nicht mehr. Diese Verwirrung wird als „Domain Shift“ bezeichnet, und sie ist ein riesiges Problem, denn sie bedeutet, dass eine KI, die in einem Krankenhaus perfekt funktioniert, im nächsten versagen könnte, was dazu führen kann, dass eine Diagnose übersehen wird.

Dieses Paper stellt eine clevere neue Methode vor, um diese Verwirrung zu beheben. Die Forscher haben zwei brandneue Datensätze für Mammographien erstellt, genannt BreastMammo und DenseMammo, die wie ein riesiger, vielfältiger Übungstest für die KI fungieren. Aber die wahre Magie liegt nicht nur in den Daten; es ist eine neue Technik, die sie erfunden haben, um der KI beizubringen, den „Kamerastil“ zu ignorieren und sich nur auf die „Katze“ zu konzentrieren. Sie nennen dies Foreground-Only Histogram Matching (Histogramm-Anpassung nur für den Vordergrund). Denken Sie an dies wie an einen Bildbearbeiter, der genau weiß, welche Teile des Bildes das eigentliche Brustgewebe sind und welche Teile nur der leere schwarze Raum sind. Anstatt zu versuchen, das gesamte Bild (einschließlich des nutzlosen schwarzen Hintergrunds) zu korrigieren, passt die KI nur die Helligkeit und den Kontrast des Gewebes selbst an, um ein Standard-Aussehen zu erreichen. Auf diese Weise lernt die KI, die Form und Textur des Gewebes unabhängig davon zu erkennen, welches Gerät das Bild aufgenommen hat. Die Ergebnisse sind vielversprechend: Als sie diese Methode an Daten aus Krankenhäusern testeten, die die KI noch nie zuvor gesehen hatte, verbesserte sich die KI erheblich darin, dichtes Gewebe zu erkennen und zwischen gutartigen und bösartigen Fällen zu unterscheiden, wobei sie andere populäre Methoden, die versuchten, das Problem auf andere Weise zu lösen, übertraf.

Das Problem: Das „Kamerafilter“-Problem

Stellen Sie sich vor, Sie versuchen, einem Roboter beizubringen, Äpfel zu identifizieren. Sie zeigen ihm tausende Bilder von roten Äpfeln, die in einer sonnigen Küche aufgenommen wurden. Der Roboter lernt das perfekt. Aber dann bringen Sie ihn in eine andere Küche, in der das Licht gedimmt und gelblich ist, und die Äpfel sehen orange aus. Der Robbot gerät in Panik. „Ist das ein Apfel?“, fragt er. „Es sieht nicht aus wie die Äpfel, die ich kenne!“

In der Welt der Mammographie passiert genau das. Krankenhäuser verwenden unterschiedliche Röntgengeräte (von Anbietern wie GE, Hologic oder Siemens), und jedes Gerät verarbeitet das Bild etwas anders. Das eine macht das Gewebe vielleicht sehr hell und kontrastreich, während ein anderes es weicher und grauer erscheinen lässt. Wenn ein KI-Modell nur mit Daten aus ein oder zwei Krankenhäusern trainiert wird, lernt es den „Stil“ dieser Maschinen ebenso wie die eigentliche Krankheit. Wenn Sie dieses Modell dann in ein drittes Krankenhaus mit einer anderen Maschine schicken, wird es verwirrt. Das Paper nennt dies Domain Shift. Dies ist eine große Hürde, denn es bedeutet, dass wir nicht einfach eine einzige „perfekte“ KI bauen und sie überall einsetzen können; wir brauchen einen Weg, um die KI immun gegen diese Kameraunterschiede zu machen.

Die neuen Daten: Eine massive Übungsbibliothek

Um dies zu lösen, brauchten die Forscher zuerst bessere Übungsmaterialien. Sie führten zwei neue Datensätze ein:

1. BreastMammo: Dies ist eine Sammlung von 894 Bildern von 447 Patientinnen. Es handelt sich um „diagnostische“ Bilder, das heißt, sie wurden aufgenommen, als eine Patientin bereits Symptome oder einen Knoten hatte. Jede Patientin hat zwei Ansichten einer Brust (eine Draufsicht und eine Seitenansicht). Die Bilder sind beschriftet mit der Information, ob der Knoten gutartig (harmlos) oder bösartig (krebserregend) war, und sie enthalten die Kategorie der Brustdichte der Patientin.
2. DenseMammo: Dies ist ein größerer „Screening“-Datensatz mit 2.480 Bildern von 620 Patientinnen. Dies sind Routineuntersuchungen für Menschen ohne Symptome. Jede Patientin hat hier einen vollständigen Satz von vier Ansichten (beide Brüste, jeweils zwei Winkel).

Beide Datensätze wurden sorgfältig mit Experten-Labels für die Brustdichte (Kategorien A bis D) kuratiert und stehen anderen Wissenschaftlern zur Verfügung. Das Ziel war es, eine standardisierte „Teststrecke“ zu schaffen, auf der alle ihre KI-Modelle unter denselben Regeln gegeneinander antreten lassen können.

Die Lösung: Der „Nur-Gewebe“-Filter

Die Forscher erkannten, dass frühere Versuche, das „Kamera-Stil“-Problem zu lösen, Fehler machten. Einige Methoden versuchten, die „Merkmale“ verschiedener Bilder miteinander zu vermischen, was so ist, als würde man Farben mischen, um einen neuen Farbton zu erzeugen. Das Problem dabei ist, dass dies versehentlich die winzigen, wichtigen Details der Gewebetextur verwischen kann. Andere Methoden versuchten, die „Frequenz“ des Bildes zu tauschen (wie das Ändern von Bass und Treble bei einem Lied), aber das störte oft den Hintergrund und fügte dem leeren schwarzen Teil des Röntgenbildes seltsames Rauschen hinzu.

Das Team schlug einen neuen Ansatz vor: Foreground-Only Histogram Matching.

So funktioniert es, mithilfe einer einfachen Analogie:
Stellen Sie sich vor, Sie haben ein Schwarz-Weiß-Foto eines Waldes (das Brustgewebe) auf einem Blatt Papier. Das Papier hat einen großen schwarzen Rand um das Bild herum (den leeren Raum im Röntgenbild).

• Alte Methoden versuchten, die Helligkeit des gesamten Blattes anzupassen, einschließlich des schwarzen Randes. Das ist schlecht, denn der Rand ist nur leerer Raum; die Änderung des Randes hilft Ihnen nicht, die Bäume besser zu sehen, und sie könnte sogar dazu führen, dass die Bäume seltsam aussehen.
• Die neue Methode legt eine Maske über den schwarzen Rand. Sie sagt: „Ignoriere diesen Teil. Wir kümmern uns nur um die Bäume.“ Dann betrachtet sie das „Histogramm“ (ein Diagramm, das zeigt, wie viele Pixel dunkel, hell oder dazwischen sind) nur der Bäume. Dann passt sie die Helligkeit der Bäume im Quellfoto so an, dass sie der Helligkeit der Bäume in einem Referenzfoto entsprechen.

Entscheidend ist, dass sie nicht nur die Stile austauschen, sondern einen sanften Gradienten erzeugen. Sie generieren neue „synthetische“ Bilder, die eine Mischung aus dem Original und dem neuen Stil sind. Sie erstellen vier Versionen jedes Bildes, indem sie die Stile bei 25 %, 50 %, 75 % und 100 % mischen. Dies lehrt die KI, dass dasselbe Gewebe je nach Maschine etwas anders aussehen kann, aber dennoch dasselbe Gewebe ist.

Die Ergebnisse: Funktioniert es?

Die Forscher testeten ihr neues System mit einem leistungsstarken KI-Modell namens Swin Transformer. Sie führten zwei Arten von Tests durch:

1. Der interne Test (Die Übungsrunde)
Sie trainierten die KI auf ihren eigenen neuen Datensätzen (BreastMammo und DenseMotto) und überprüften, wie gut sie auf denselben Daten mittels einer 5-fachen Kreuzvalidierung abschneidet (eine strenge Methode der Datenaufteilung, um sicherzustellen, dass das Modell nicht nur auswendig lernt).

• Das Ergebnis: Das Swin-Transformer-Modell erreichte einen Spitzen-AUC-Wert von 98,32 % auf dem DenseMammo-Datensatz für die Klassifizierung der Dichte. Dies ist ein sehr hoher Wert, der zeigt, dass das Modell bei dieser Aufgabe extrem gut abschneidet, wenn es die Daten kennt.
• Sie fanden auch heraus, dass die Verwendung von Bildern mit höherer Auflösung (512x512 Pixel) im Vergleich zur Standardgröße (224x224) nicht viel half, da die KI bereits auf Standardgrößen trainiert worden war.

2. Der externe Test (Die Herausforderung in der realen Welt)
Dies ist der wichtigste Teil. Sie nahmen die KI, die auf ihren Daten trainiert wurde, und testeten sie auf zwei völlig anderen Datensätzen aus anderen Krankenhäusern: TNMammo und LUMINA. Diese Datensätze verwenden andere Maschinen und andere Stile, was das Problem des „Domain Shift“ repräsentiert.

• Ohne ihre Methode: Die KI hatte Schwierigkeiten. Bei TNMammo lag der AUC bei 83,46 %. Bei LUMINA lag er bei 81,72 %.
• Mit ihrer Methode: Die KI verbesserte sich signifikant. Bei TNMammo sprang der AUC auf 86,38 %. Bei LUMINA stieg er auf 86,13 %.
• Vergleich: Sie verglichen ihre Methode mit anderen populären Techniken wie MixStyle (die Merkmale mischt) und DFT (die Frequenzmuster tauscht). Ihre „Foreground-Only“-Methode war diesen anderen Ansätzen konsistent überlegen.

Warum es wichtig ist

Das Paper legt nahe, dass die KI durch die strikte Konzentration auf das Gewebe und das Ignorieren des leeren Hintergrunds eine „universelle“ Art und Weise lernt, die Brust zu sehen, die auf verschiedenen Maschinen funktioniert. Die Autoren argumentieren, dass der Versuch, das gesamte Bild (einschließlich des Hintergrunds) zu korrigieren, Rauschen und Verwirrung einführt, während ihr gezielter Ansatz die feinen Texturen bewahrt, die für die Diagnose notwendig sind.

Letztendlich geht es hier nicht nur darum, eine höhere Punktzahl in einem Test zu erreichen. Es geht darum, eine KI zu bauen, der man in jedem Krankenhaus, überall auf der Welt, vertrauen kann. Wenn eine KI lernen kann, den „Kamerafilter“ zu ignorieren und sich statsdessen auf die „Katze“ zu konzentrieren, kann sie Ärztinnen und Ärzten überall helfen, Brustkrebs früher und genauer zu erkennen, unabhängig von der vorhandenen Ausrüstung. Die Forscher haben ihre Daten und ihren Code öffentlich zugänglich gemacht, in der Hoffnung, dass dieser „Nur-Gewebe“-Trick zu einem Standardwerkzeug für den Bau besserer, zuverlässigerer medizinischer KI wird.