Physics-Grounded Adversarial Stain Augmentation with Calibrated Coverage Guarantees

Riepilogo Tecnico: Aumento Adversarial Calibrato delle Colorazioni (CASA)

Enunciato del Problema
I modelli di istopatologia addestrati su vetrini colorati con Ematossilina ed Eosina (H&E) spesso subiscono un degrado delle prestazioni quando vengono distribuiti tra diversi ospedali. Questo problema deriva dalle variazioni nelle concentrazioni dei reagenti, nei protocolli di colorazione e nell'hardware degli scanner, che alterano la distribuzione cromatica delle immagini. Le soluzioni esistenti presentano limitazioni significative:

• Normalizzazione delle Colorazioni: I metodi che trasformano le immagini in un modello di riferimento (ad esempio, Macenko et al., 2009) introducono spesso artefatti e dipendono fortemente dalla selezione del modello di riferimento.
• Aumento Casuale delle Colorazioni: Approcci come la perturbazione HED (Tellez et al., 2019) o RandStainNA (Shen et al., 2022) aumentano la diversità cromatica ma richiedono una selezione manuale della forza della perturbazione ($\sigma$). Il documento nota una mancanza di criteri fondati per questa selezione, osservando un divario di prestazioni di 8 punti percentuali tra le impostazioni di perturbazione "leggera" e "forte" sul benchmark Camelyon17-WILDS.
• Aumento Adversarial Generico: Metodi recenti (ad esempio, AdvST, Zhong et al., 2022) apprendono perturbazioni nel caso peggiore ma operano in spazi cromatici generici (HSV, contrasto) con budget arbitrari che non riflettono i vincoli fisici del processo di colorazione.

Metodologia: Aumento Adversarial Calibrato delle Colorazioni (CASA)
Gli autori propongono CASA, un framework che esegue un aumento adversarial nello spazio dei parametri delle colorazioni di Macenko fondato sulla fisica, accoppiato a un budget calibrato statisticamente.

1. Spazio dei Parametri Fondato sulla Fisica:
   Il metodo utilizza la legge di Beer-Lambert per modellare la formazione dell'immagine ($I_j = I_0 \exp(-W h_j)$), dove $W$ rappresenta i vettori di base delle colorazioni a norma unitaria (Ematossilina ed Eosina) e $h$ rappresenta le concentrazioni delle colorazioni. CASA opera direttamente su questi parametri:

   • Perturbazione del Vettore di Colorazione ($\delta_W$): Perturba la direzione dei vettori di colorazione, proiettata su un cappuccio sferico per preservare la norma unitaria.
   • Perturbazione della Concentrazione ($\delta_h$): Scala le concentrazioni elemento per elemento. I vincoli assicurano che le concentrazioni rimangano non negative durante l'ottimizzazione.

2. Ciclo di Addestramento Min-Max:
   Il processo di addestramento risolve un problema min-max. Nel passo di massimizzazione interna, il modello identifica la perturbazione delle colorazioni nel caso peggiore $(\delta^*_W, \delta^*_h)$ utilizzando la Discesa del Gradiente Proiettata (PGD) a $K$ passi. La minimizzazione esterna aggiorna i parametri del modello $\theta$ utilizzando la Discesa del Gradiente Stocastico (SGD) sull'immagine aumentata ricostruita tramite l'inverso di Beer-Lambert.

3. Budget Calibrato con Garanzie di Copertura:
   A differenza dei metodi tradizionali in cui i budget di perturbazione sono iperparametri, CASA li deriva dalle statistiche di addestramento multi-centro utilizzando la disuguaglianza di Dvoretzky-Kiefer-Wolfowitz (DKW).

   • Stima: Per un insieme di $n$ immagini di addestramento, il metodo calcola la deviazione angolare dei vettori di colorazione e il rapporto dei percentili di concentrazione rispetto alla media.
   • Garanzia Statistica: I budget $\tau_W$ e $\tau_H$ sono impostati come quantili empirici aggiustati da un termine di correzione DKW ($\varepsilon_n$). Ciò garantisce che il vero quantile $(1-\delta)$ delle variazioni delle colorazioni sia coperto con probabilità $\geq 1-\beta$.
   • Risultato: Questo approccio garantisce che i parametri delle colorazioni provenienti da centri non visti rientrino nel budget adversarial con alta confidenza (ad esempio, $\geq 95\%$), eliminando la necessità di regolazione manuale.

Risultati Chiave
Il metodo è stato valutato sul dataset Camelyon17-WILDS (5 ospedali, 302K patch) utilizzando un'architettura DenseNet-121 su 5 semi casuali.

• Prestazioni: CASA ha raggiunto una macro-accuratezza a livello di vetrino del 93,9% ± 1,6%, superando significativamente tutti i baseline.
  • vs. Aumento Casuale: Ha superato HED-strong (88,4% ± 7,3%) e RandStainNA (85,2% ± 6,7%).
  • vs. Addestramento Standard: Ha migliorato enormemente la Minimizzazione del Rischio Empirico (ERM) al 63,9% ± 11,3%.
• Robustezza: CASA ha dimostrato la massima accuratezza del gruppo peggiore (84,9% ± 0,9%) tra 10 metodi confrontati, indicando una stabilità superiore tra diversi domini ospedalieri.
• Varianza: Il metodo ha mostrato una varianza 4 volte inferiore nell'accuratezza media rispetto a HED-strong, evidenziando la stabilità fornita dal budget calibrato.

Significato e Affermazioni
Il documento afferma che l'efficacia di CASA deriva da due scelte progettuali specifiche che affrontano i fallimenti dei metodi adversarial generici:

1. Fondamento Fisico: Parametrizzando le perturbazioni nello spazio delle colorazioni di Macenko, il modello si allena sulle variazioni di colorazione realistiche più difficili, garantendo la generalizzazione a qualsiasi centro entro quel range fisico.
2. Calibrazione Guidata dai Dati: Derivando il budget adversarial dalle statistiche multi-centro tramite la disuguaglianza DKW, il metodo rimuove la sensibilità alla regolazione manuale degli iperparametri (in particolare la forza della perturbazione $\sigma$) e fornisce una garanzia statistica di copertura per domini non visti.

Gli autori concludono che, poiché i componenti specifici del dominio sono limitati alla decomposizione delle colorazioni e al set di calibrazione, la formulazione min-max è trasferibile a qualsiasi protocollo di colorazione in cui il modello fisico diretto è noto.