Understanding Model Behavior in Monocular Polyp Sizing

기술 요약: 단안 폴립 크기 측정에서 모델 행동 이해

문제 정의
대장 폴립 크기의 정확한 층별 분류는 임상적 추적 관찰 결정에 중요하며, 특히 5mm 이하의 소폴립(diminutive polyps) 과 5mm 초과로 더 긴밀한 추적이 필요한 폴립을 구분하는 데 필수적입니다. 그러나 단안 대장내시경은 핀홀 카메라 모델 하에서 폴립의 겉보기 직경 ($A$) 이 실제 직경 ($S$) 과 카메라 거리 ($Z$) 의 함수 ($A = fS/Z$) 가 되는 내재적 기하학적 크기 모호성에 시달립니다. 미터법 기준이 없으면, 가까이서 본 작은 폴립은 멀리서 본 큰 폴립과 시각적으로 구별이 불가능합니다.

이러한 모호성은 임상 검사 행동에 의해 더욱 악화됩니다. 내시경 의사는 소폴립의 상태를 확인하기 위해 자연스럽게 카메라를 가까이 이동시키는 반면, 더 큰 병변은 더 넓은 시야에서 관찰합니다. 이러한 행동은 자연스러운 훈련 데이터에서 겉보기 크기와 크기 레이블 사이에 허위 상관관계를 생성합니다. 결과적으로 자동화 모델은 진정한 기하학적 추론이 아닌 검사 행동과 상관관계가 있는 단서인 '단순화 전략 (shortcuts)'에 의존하게 되어, 배포 조건이 훈련 분포와 다를 때 체계적인 오류를 초래합니다.

방법론 및 실험 설정
저자들은 두 개의 공개 다중 기관 데이터셋인 Real-Colon 과 SUN-SEG 를 대상으로 이진 폴립 크기 분류 (5mm 이하 vs 5mm 초과) 에 대한 진단 감사를 제시합니다. 결합된 데이터셋은 159 명의 환자로부터 232 개의 고유 폴립 (15mm 이하 147 개, 5mm 초과 85 개) 으로 구성됩니다. 데이터 누출을 방지하기 위해 실험은 환자 층별 5 교차 검증을 활용합니다.

본 연구는 아키텍처 대 데이터의 기여도를 분리하기 위해 세 가지 서로 다른 입력 모달리티와 모델 계열을 평가합니다:

1. 외관: 마스킹된 RGB 이미지에서 작동하는 ResNet18 과 ViT-B.
2. 상대적 깊이: PPSNet 으로 생성된 상대적 깊이 맵에서 작동하는 3 블록 CNN(CNN3).
3. 광도/기하학: 51 개의 수작업 기하학적 및 광도적 특징을 사용하는 2 층 MLP.

현재 모델의 한계를 진단하기 위해 저자들은 세 가지 표적 개입을 도입합니다:

• 데이터 - 모델 편향 감사: 모달리티와 아키텍처 전반에 걸친 성능을 비교하여 수렴 지점을 식별합니다.
• 미터법 크기 사다리: 상대적 깊이 맵에 다양한 세분성 (프레임 단위, 폴립 단위, 전역) 에서 '오라클' 크기 보정을 적용합니다. 이는 완벽한 미터법 크기가 사용 가능할 때의 이론적 성능 향상을 정량화합니다. 또한 시중의 미터법 깊이 추정기 (MetricCol) 와 전역 보정 인자를 테스트합니다.
• 마스킹 품질 강건성: 정답 바운딩 박스를 분할 모델 (PolypPVT) 의 예측으로 대체하고 바운딩 박스 교란 (±20%) 을 적용하여 분할 오류가 크기 측정 작업으로 어떻게 전파되는지 평가합니다.

주요 결과

1. 성능 정체와 단순화 전략 의존: 모든 아키텍처와 입력 모달리티 (RGB, 상대적 깊이, 광도) 에서 모델은 약 0.75 의 매크로-F1 점수로 유사한 성능 한계에 수렴합니다. MLP 특징에 대한 진단 분석은 모델이 실제 크기와 거리를 혼동하는 '겉보기 크기' (바운딩 박스 면적 대 이미지 면적의 비율) 에 크게 의존함을 보여줍니다. 이는 성능 정체가 모델 용량 부족이 아닌, 미터법 정보 부재와 검사 행동 단서에 대한 의존성으로 인해 발생함을 시사합니다.
2. 현재 깊이 추정에서의 제한된 향상: 오라클 프레임 단위 크기 정보를 제공하면 성능이 크게 향상되어 (+16.1 퍼센트 포인트, 0.725 에서 0.886 으로) 크기 모호성이 해결될 경우 상당한 여지가 있음을 나타냅니다. 그러나 현재 미터법 깊이 추정기 (MetricCol) 와 전역 보정 방법은 임상 데이터에서 이러한 향상을 회복하지 못하며, 상대적 깊이 기준 대비 무시할 만한 개선만 보입니다. 오라클 향상은 겉보기 크기가 실제 물리적 크기와 모순되는 '단순화 전략 불일치' 프레임에 집중되어 있어, 이러한 경우 크기 모호성이 주요 실패 모드임을 확인시켜 줍니다.
3. 분할의 독립적 병목 현상: 분할 품질은 중요한 독립적 병목 현상으로 작용합니다. 정답 마스크를 다른 데이터로 훈련된 분할 모델의 예측으로 대체할 때, 깊이 기반 크기 측정 모델의 성능은 15.3 퍼센트 포인트 (0.725 에서 0.572 로) 하락합니다. 오라클 프레임 단위 크기가 있더라도 예측 마스크를 사용하면 성능이 비스케일 기준선 수준 (0.736) 으로만 회복됩니다. 이는 도메인 내 분할 벤치마크가 분포 이동 하에서의 하류 크기 측정 강건성을 예측하지 못함을 보여줍니다.
4. 광도적 한계: 거리 대리 변수로 광도적 단서 (배경 휘도) 를 사용하려는 시도는 실패하여 오라클 크기 여유의 17% 만 회복했습니다. 이는 임상 내시경의 자동 노출 제어 (Auto-Exposure Control) 가 센서 이득을 조정하여 안정적인 밝기를 유지함으로써 밝기와 거리 간의 역제곱 법칙 관계를 깨뜨리기 때문입니다.

의의 및 기여
본 논문은 단안 폴립 크기 측정의 진전이 현재 세 가지 독립적 요인에 의해 제한받고 있다고 주장합니다: 정확한 프레임 단위 미터법 크기의 부재, 도메인 이동 하에서 취약한 분할 마스크, 그리고 신뢰할 수 있는 크기 주석이 포함된 대규모 다중 기관 데이터셋의 부족입니다.

저자들은 그들의 작업이 다음과 같이 재사용 가능한 평가 도구를 제공하는 진단 프레임워크를 미래 연구에 제공한다고 주장합니다:

• 오라클 크기 사다리: 완벽한 크기 정보가 주어졌을 때의 성능 이론적 상한을 정량화하기 위해.
• 단순화 전략 분할: 검사 행동이 오해의 소지가 있는 단서를 생성하는 사례를 분리하고 분석하기 위해.
• 마스킹 대체: 분할 오류에 대한 크기 측정 파이프라인의 강건성을 감사하기 위해.

본 연구는 겉보기 크기가 실제 크기와 일치할 때 현재 모델이 적절히 작동하지만, 임상 행동이 모순을 생성할 때 성능이 크게 저하된다고 결론지었습니다. 향후 발전은 단순히 모델 용량을 확장하는 것보다는 임상적으로 근거 있는 크기 참조 (예: 기기 기반 앵커), 개선된 분할 강건성, 그리고 증가된 데이터 다양성에 달려 있을 것입니다. 코드와 도구는 폴립 크기 측정 파이프라인에 대한 추가 감사를 촉진하기 위해 공개적으로 제공됩니다.