Interpretable Probabilistic Medical Image Segmentation via Gaussian Process with Explicit Modelling of Annotation Bias and Variability

技術要約：ガウス過程を用いた、アノテーションのバイアスと変動性を明示的にモデリングする解釈可能な確率的医用画像セグメンテーション

問題提起
深層学習ベースの医用画像セグメンテーションは、本質的に系統的なバイアスやアノテーター間の変動性を含むアノテーション済みデータに依存している。既存の確率的なマルチアノテーター手法は、アノテーター固有の描画を模倣することはできるものの、通常、アノテーターの特性を深層潜在特徴空間内に暗黙的にエンコードしてしまう。このような暗黙的なエンコーディングは、特定のアノテーターのバイアスや変動性が予測分布にどのように伝播するかを直接分析することを困難にする。その結果、画像固有の曖昧さから生じる不確実性と、不完全な教師あり学習に起因する不確実性を区別することが困難となり、安全性が極めて重要な臨床現場において、データセットのキュレーション戦略の最適化や特定のエラー源の軽減を制限している。

手法
著者らは、予測を画像依存の参照分布とアノテーター固有の摂動に明示的に分解する、確率的変分ガウス過程（SVGP）に基づくロジット空間確率的セグメンテーションフレームワークを提案している。

1. ロジット空間への再定式化： 本モデルは、予測分布 $p(y|x, a)$ を、参照ロジット $l^{(0)}$（画像内容のみに基づいた、理想的でノイズのない教師あり学習を表す）と、アノテーター固有の摂動に分離する。観測されたアノテーションは、アノテーター固有のバイアス $\mu_a$ と分散 $\sigma^2_a$ によってパラメータ化された、参照ロジットへの加法的な摂動としてモデル化される。
   $$p(l | l^{(0)}, a) = \prod_{i=1}^P \mathcal{N}(l^{(0)}_i + \mu_a, \sigma^2_a)$$
   この定式化により、画像の固有の不確実性（$p(l^{(0)}|x)$）を、教師あり学習に起因するシフトや分散から分離することが可能になる。

2. ディープカーネルガウス過程： 参照ロジット $l^{(0)}$ は、ディープカーネルを持つガウス過程（GP）を用いてモデル化される。畳み込み特徴抽出器（U-Net）が入力画像を潜在特徴へと写像し、これがGPへの入力となる。GPの事前分布は、対称な正定値半定値カーネル（例：RBF）を用いて、これらの特徴上で定義される。

3. 確率的変分推論： 大規模な画素単位のデータセット（$N = V \times P$）における計算量的に困難な正確なGP推論を扱うため、著者らは確率的変分ガウス過程（SVGP）を採用している。これは、$M$ 個の誘導点（inducing points）を利用して事後分布を近似し、スケーラブルな学習を可能にする。

4. 閉形式の予測確率： この定式化の主要な利点は、二値セグメンテーションに対する閉形式の予測確率の導出である。ガウス摂動をGP予測分布にわたって積分することにより、モデルは以下を与える：
   $$p_{*,a} = \Phi\left( \frac{\tau + \mu_a}{\sqrt{1 + \eta^2 + \sigma^2_a}} \right)$$
   ここで、$\tau$ と $\eta^2$ は参照ロジットの平均と分散であり、$\Phi$ は標準正規累積分布関数（逆プロビットリンク）である。

5. 学習目的関数： モデルは、バイナリクロスエントロピー（BCE）、KLダイバージェンス（変分近似用）、およびソフトDice損失を組み合わせた損失関数を用いて学習される。学習可能なパラメータには、特徴抽出器の重み、カーネルのハイパーパラメータ、誘導入力、変分パラメータ、および各アノテーターの明示的なバイアス・分散パラメータが含まれる。

主な貢献

• 明示的なパラメータ化： 本フレームワークは、暗黙的な潜在表現から離れ、ロジット空間においてアノテーター固有のバイアスと分散を明示的にパラメータ化する。
• 解釈可能性と感度分析： 閉形式の解法により、直接的な感度分析が可能となり、研究者はアノテーターのバイアスや変動性の変化が予測性能と不確実性の較正にどのように系統的に影響するかを定量化できる。
• 不確実性の較正： 本手法は、ノイズ源を明示的にモデル化することで、予測確率の較正（キャリブレーション）を改善することを目指している。これにより、画像の曖昧さとアノテーションの一貫性の欠如を区別する。

実験結果
本手法は、3人の研究者と1人の高品質な臨床参照による、前立腺腺腫の注釈を含む経直腸超音波（TRUS）画像のマルチアノテーターデータセットを用いて評価された。

• 較正性能： 提案されたSVGPモデルは、個別のU-Netベースラインおよび最先端のPiononoフレームワークと比較して、最も低い期待較正誤差（ECE）および負の対数尤度（NLL）を達成した。特に、アノテーター2については、NLLが大幅に改善した（ベースラインの0.578/0.753から0.146へ）。
• セグメンテーション精度： SVGPモデルは、Piononoと同等のセグメンテーション精度（DiceスコアおよびHD95）を維持しており、較正の向上がセグメンテーション性能を犠牲にしないことを示している。
• 定量的バイアス/分散： 学習されたパラメータは、アノテーターの挙動を定量的に反映していた。例えば、より大きな学習された分散 $\sigma_a$ は、対応する決定論的な個別U-Netの性能指標の低さと相関しており、モデルがアノテーター内の変動性を正常に捉えていることを示唆している。
• 摂動実験： バイアスと分散のパラメータを変化させた制御実験により、予測の較正（ECE）は分散（$\sigma^2$）よりも系統的なバイアス（$\mu$）に対して著しく敏感であることが明らかになった。これは、アノテーター間の不一致が、アノテーター内の変動よりも信頼性に強い影響を与えることを示している。

意義と主張
本論文は、本フレームワークが、アノテーションの変動性がモデルの予測にどのように伝播するかを理解するための解釈可能なツールを提供すると主張している。画像依存の不確実性とアノテーションに起因するノイズを明示的に分離することで、本手法は、固定されたラベル予算の下でのデータセットキュレーションに対する実践的な洞察を提供する。具体的には、予測の信頼性を向上させるために、アノテーター間の系統的なバイアスを減らすことと、アノテーター内の変動に対処することのどちらがより効果的であるかを判断することを可能にする。著者らは、現在の評価は特定の臨床設定に限定されているものの、本フレームワークは、空間的に相関した不一致や多クラスセグメンテーションに関する将来の研究のための基礎を提供するものであると述べている。