Ranking-Guided Semi-Supervised Domain Adaptation for Severity Classification

1. Planteamiento del Problema

El artículo aborda el desafío de la adaptación de dominio en el análisis de imágenes médicas, específicamente en tareas de clasificación de severidad (ej. estadios de una enfermedad).

• Desafío Principal: Los clasificadores entrenados en un hospital (dominio fuente) suelen fallar en otro hospital (dominio objetivo) debido a diferencias en equipos, protocolos y condiciones de adquisición de imágenes (desplazamiento de dominio).
• Limitación de Métodos Existentes: La mayoría de los métodos de adaptación de dominio asumen que las clases forman clusters discretos y bien definidos en el espacio de características. Sin embargo, en la clasificación de severidad (como la colitis ulcerosa o la retinopatía diabética), las clases representan niveles ordenados de gravedad. Esto crea límites de clase ambiguos y continuos, lo que hace que los métodos tradicionales de alineación de clusters discreto fallen o produzcan resultados subóptimos.
• Contexto: Se utiliza un escenario de Adaptación de Dominio Semi-Supervisada (SSDA), donde se dispone de pocas muestras etiquetadas y muchas no etiquetadas en el dominio objetivo.

2. Metodología Propuesta

Los autores proponen un marco novedoso que utiliza puntuaciones de clasificación (rank scores) aprendidas mediante Learning to Rank para alinear las distribuciones de características entre dominios, tratando la severidad como un proceso continuo en lugar de categorías discretas.

El método consta de dos componentes principales:

A. Clasificación de Rangos entre Dominios (Cross-Domain Ranking - CDR)

• Objetivo: Asegurar que la escala de severidad sea consistente entre el dominio fuente y el objetivo.
• Mecanismo: En lugar de aprender el ranking solo dentro de un dominio, el método empareja muestras etiquetadas del dominio fuente con muestras etiquetadas del dominio objetivo.
• Funcionamiento: Se entrena una función de ranking $r(x)$ para que, al comparar pares de muestras cruzadas (fuente vs. objetivo), la puntuación de ranking refleje correctamente el orden de severidad relativo (etiquetas relativas). Esto fuerza a que las distribuciones de puntuaciones de ranking de ambos dominios se alineen, evitando discrepancias donde una clase en el objetivo tenga una puntuación menor que una clase inferior en la fuente.

B. Alineación de Distribución Continua (Continuous Distribution Alignment - CDA)

• Objetivo: Alinear las distribuciones de las puntuaciones de ranking, aprovechando la continuidad de las clases.
• Mecanismo: Utiliza etiquetas suaves basadas en rango (rank-based soft labels) para las muestras no etiquetadas del objetivo.
• Funcionamiento:
  1. Se modela la distribución de puntuaciones de ranking para cada clase en el dominio fuente (usando prototipos de clase $\mu_k$).
  2. Para las muestras no etiquetadas del objetivo, se estima la probabilidad de pertenencia a cada clase ($q(k|x)$) mediante un Modelo de Mezcla Gaussiana (GMM).
  3. Se minimiza la distancia entre la puntuación de ranking de una muestra y el prototipo de la clase correspondiente, ponderado por la probabilidad suave. Esto permite que las muestras no etiquetadas se alineen con la distribución fuente manteniendo su orden de severidad inherente, sin depender de etiquetas duras (pseudo-etiquetas) que podrían ser erróneas debido a los límites borrosos.

Estructura de la Red:
El modelo utiliza un extractor de características jerárquico que se ramifica en:

1. Un clasificador ($F_c$) para obtener probabilidades de clase.
2. Una función de ranking ($F_r$) para obtener una puntuación de ranking continua.
   La función de pérdida total combina la pérdida de clasificación, la pérdida de ranking (CDR) y la pérdida de alineación de distribución (CDA).

3. Contribuciones Clave

1. Marco SSDA Guiado por Ranking: Propone un enfoque que utiliza etiquetas de clase ordenadas para alinear dominios, abordando específicamente el problema de los límites de clase ambiguos en la clasificación de severidad.
2. CDR (Cross-Domain Ranking): Introduce un método novedoso para SSDA que aprende rankings a partir de pares de muestras cruzadas entre dominios, estableciendo una escala de severidad común.
3. CDA (Continuous Distribution Alignment): Presenta una función de pérdida simple pero efectiva que utiliza etiquetas suaves basadas en rango para alinear distribuciones continuas, superando las limitaciones de los métodos que asumen clusters discretos.

4. Resultados Experimentales

El método fue validado en dos tareas de clasificación de severidad:

• Colitis Ulcerosa (UC): Clasificación de imágenes endoscópicas (Dataset LIMUC como fuente, datos privados del Hospital de la Cruz Roja como objetivo).
• Retinopatía Diabética (DR): Clasificación de imágenes de fondo de ojo (Dataset DDR como fuente, FGADR como objetivo).

Hallazgos Principales:

• Rendimiento Superior: El método propuesto superó a seis métodos comparativos (incluyendo S, S+T, MME, CDAC, SLA y ORUDA) en las métricas de Precisión Macro (mP) y F1 Macro (mF1), que son críticas debido al desequilibrio de clases.
  • En UC (LIMUC→Private), alcanzó un mF1 de 0.494 (vs 0.477 del segundo mejor).
  • En DR (DDR→FGADR), alcanzó un mF1 de 0.407 (vs 0.367 del segundo mejor).
• Estudio de Ablación:
  • La inclusión de CDR mejoró significativamente la Precisión (mP), demostrando su eficacia en la discriminación de clases cruzadas.
  • La inclusión de CDA mejoró la Recall (mR), al alinear mejor la distribución global de datos.
  • La combinación de ambos produjo el mejor rendimiento, indicando que funcionan de manera complementaria.
• Visualización: Las gráficas de distribución de puntuaciones de ranking mostraron que, antes de la adaptación, las distribuciones de fuente y objetivo no coincidían. Después de la adaptación, las distribuciones se alinearon correctamente para cada clase, preservando el orden de severidad.

5. Significado e Impacto

Este trabajo es significativo porque:

• Reconoce la Naturaleza Continua de la Severidad: A diferencia de la clasificación estándar, reconoce que la severidad de una enfermedad es un espectro continuo. Al tratar las clases como puntuaciones de ranking continuas en lugar de categorías discretas, el modelo es más robusto ante la ambigüedad inherente a los datos médicos.
• Mejora la Generalización Clínica: Al permitir que los sistemas de diagnóstico asistido por computadora se adapten eficazmente a nuevos hospitales con pocos datos etiquetados, se reduce la necesidad de reentrenamiento costoso y se mejora la fiabilidad del diagnóstico en diferentes entornos clínicos.
• Innovación en SSDA: Proporciona una nueva dirección para la adaptación de dominio en tareas de clasificación ordinal, demostrando que la alineación de distribuciones de ranking es más efectiva que la alineación de clusters de características tradicionales para este tipo de problemas.