FunPiQ: A New Benchmark for Pixel-Level Quality Assessment in Fundus Images

技術要約：FunPiQ および EFIQA-CP

問題提起
カラー眼底写真（CFP）は大規模な眼科スクリーニングのための主要なモダリティであるが、局所的な劣化（例：不均一な照明、コントラストの低下、焦点ボケなど）の影響を非常に受けやすく、これらは画像全体ではなく特定の領域に影響を及ぼすことが多い。既存の眼底画像品質評価（FIQA）手法は画像レベルのラベルに依存しており、それらはデータセットや臨床タスクによって大きく異なる。ある疾患（例：緑内障）に適した「高品質」の定義が、別の疾患には不十分である場合がある。このようなタスク依存性は、手動による画像レベルの評価を主観的かつ時間のかかるものにしている。さらに、既存の画像レベルのラベルは、局所的な劣化の定量的な評価を妨げ、信頼性と説明可能なFIQAシステムの開発を制限している。一部の手法は劣化の局在化を試みているが、多くの場合、ノイズの多い疑似ラベルに依存しているか、あるいはグローバルなコンテキストが欠如しているため、不正確な局在化（例：血管密度が自然に低い領域である中心窩を劣化領域と誤分類するなど）を招いている。

手法
本論文では、新しいベンチマークデータセットである FunPiQ と、ピクセルレベルの品質評価のための新しい手法である EFIQA-CP を提案する。

1. FunPiQ データセット:

   • 構成: このデータセットは、民族、取得デバイス（卓上型からモバイル型まで）、および劣化タイプにおける多様性を確保するため、既存の3つのベンチマーク（米国からのEyeQ、ブラジルからのBRSETおよびmBRSET）から抽出された300枚の画像で構成されている。
   • アノテーション戦略: グローバルなラベルを持つ従来のデータセットとは異なり、FunPiQはピクセルレベルの品質アノテーションを提供している。画像は、認定眼科医の監督下で専門家によってアノテーションされた。
   • クラス: 解剖学的可視性に基づき、以下の3つの順序カテゴリが定義されている：
     • Good (良好): 境界が明確で、網膜構造が鮮明に描出されている。
     • Usable (使用可能): 構造は識別できるが、鮮鋭度やコントラストがわずかに低下している。
     • Bad (不良): 重度のアーチファクト、信号の脱落、または媒体の混濁により、判定不能な領域。
   • 選択: 本データセットは、モデルが局所的に品質を判別する能力をテストするため、ソースデータセットにおいて以前に「bad」とラベル付けされた画像をあえてサンプリングしており、各画像内に「good」、「usable」、「bad」の領域が混在するようにしている。

2. EFIQA-CP 手法:

   • アーキテクチャ: 本手法は、特徴抽出のために凍結されたDINOv3バックボーンを利用するEFIQAのパイプラインに基づいている。標準的な線形アダプターを、7×7の深度方向畳み込み（depthwise convolution）を備えた浅く広いConvNeXtスタイルのネットワークに置き換えている。この設計は、より大きな受容野を通じて空間情報を統合し、グローバルなコンテキストを取り入れることで、血管密度の低い領域を誤分類するという問題を解決している。
   • 学習戦略: 血管の欠如のみに基づく血管非監視異常検知モデルによって生成された疑似ラベルの固有のノイズに対処するため、著者らは非負正ラベルなし（nnPU）学習を採用している。
     • 厳格な閾値を用いて信頼できる低品質ピクセル（正クラス）を分離し、残りをラベルなしとして扱う。
     • nnPUフレームワークは、隠れた負の推定リスクがゼロを下回ることを防ぎ、学習を安定させ、疑似ラベルへの過学習を軽減する。
     • 目的関数は、正クラスの事前分布（$\pi = 0.05$）を用いたソフトプラス・サロゲート損失を使用する。

主な貢献

1. FunPiQ ベンチマーク: 局所的な劣化に対するグラウンドトゥルースのアノテーションを提供する、CFPのピクセルレベルの品質評価に特化した初の公開ベンチマークである。
2. EFIQA-CP: 広範な受容野を持つアダプターと、ノイズの多い疑似ラベルを扱うためのnnPU学習を組み合わせることで、既存の説明可能な設計（EBD）アプローチを改善する新しい手法である。
3. 包括的な評価: 新しいデータセット上で既存のFIQA手法（エンドツーエンド、EBD、および異常検知アプローチを含む）の徹底的なベンチマーキングを行い、ピクセルレベルの性能に関するベースラインを確立した。

結果
FunPiQデータセットを用い、Quadratic Weighted Kappa (QWK) および平均Sørensen–Dice係数 (mDice) に加え、バイナリの「Reject（拒否）」タスク指標（AUROC, AUPRC, S95）を用いて広範な評価を行った。

• 性能: EFIQA-CPは、すべての指標およびデータセット（BRSET, EyeQ, mBRSET, および統合セット）において最先端の性能を達成した。 統合データセットにおけるQWKにおいて、元のEFIQAと比較して統計的に有意な改善を示した（$p < 0.0001$）。
• 比較: EBD手法（EFIQA-CP, EFIQA, EyeQual）は、エンドツーエンドの教師あり学習手法（MCF-Net, FGR-Net）や一般的な異常検知手法（PatchCore, UniVAD）を一貫して上回った。
• 定性的分析: EFIQA-CPは、滑らかな領域とスコア範囲のより良い活用を示す、最も精密な品質マップを生成した。EyeQualは「good」クラスに対して高い精度を示したが、「usable」と「bad」の区別に苦慮した。一般的な異常検知手法は、劣化した領域を強調する傾向があるものの、パッチ全体に高いスコアを示すノイズの多いマップを生成しており、これは大規模な品質劣化ではなくコンパクトな異常にバイアスがかかっていることを示唆している。
• アブレーション: nnPU損失を標準的なバイナリクロスエントロピー（BCE）に置き換えると、過学習と性能低下を招いたことから、このノイズの多いラベル設定におけるnnPUフレームワークの必要性が確認された。

意義と主張
著者らは、解剖学的可視性に基づくピクセルレベルのFIQAは、画像レベルの評価よりもタスクに依存せず、説明可能なアプローチであると主張している。ピクセルレベルのグラウンドトゥルースを備えたベンチマークを提供することで、FunPiQは、これまで不可能であった局在化精度の定量的な評価を可能にする。

本論文は、説明可能な設計（EBD）アプローチが、局所的な品質予測において明確な優位性を持つと主張している。具体的には、EFIQA-CPは、建築的な改善（グローバルコンテキスト）と堅牢な学習戦略（nnPU）を組み合わせることで、疑似ラベルのノイズを効果的に軽減できることを示している。著者らは、ピクセルレベルのマップは、非専門家による操作の品質保証（画像のどこが不十分であるかを特定する）を支援し、ターゲットを絞った画像の再取得をガイドすることで、直接的な臨床価値を提供できると考えている。さらに、これらのマップは、解剖構造とアーチファクトを区別するための画像強調モデルの事前情報としても機能し得る。本研究は、ピクセルレベルのCFP品質検出に関するさらなる研究と、より強固で柔軟であり、より強い臨床的適用性を持つFIQA手法の開発を促進することを目的としている。