Melanoma Classification Through Deep Ensemble Learning and Explainable AI

Dit artikel presenteert een betrouwbaar model voor de classificatie van melanoom dat drie geavanceerde deep learning-netwerken combineert met uitlegbare kunstmatige intelligentie (XAI) om de voorspellingen van het 'black box'-systeem transparant en interpreteerbaar te maken.

De kern

🎨 De "Super-Detective" voor Huidkanker: Een Samenvatting

Stel je voor dat je huid een enorm, complex landschap is. Soms ontstaan er kleine vlekjes (moedervlekken) die onschuldig zijn, maar soms veranderen ze in een gevaarlijke vijand: melanoom, een agressieve vorm van huidkanker. Als je dit vroeg opmerkt, is de kans op genezing bijna 100%. Maar als je het laat, kan het dodelijk zijn.

Huidartsen kijken met een speciale loep (een dermatoscoop) naar deze vlekjes. Maar zelfs voor de beste artsen is dit lastig. Het is alsof je in een mistig landschap probeert te zien of een steen een rotsblok is of een schat. Soms kijken ze verkeerd, soms zijn ze te langzaam, en het is duur.

Hier komt Kunstmatige Intelligentie (AI) om de hoek kijken. Maar AI heeft een groot probleem: het is een "Black Box". Het AI-systeem zegt: "Dit is kanker!", maar het vertelt je niet waarom. Net als een wiskundig genie dat het antwoord schreeuwt, maar de som niet uitlegt. Mensen vertrouwen geen dokter die niet kan uitleggen waarom hij een diagnose stelt.

De auteurs van dit paper (Wadduwage Shanika Perera en zijn team) hebben een oplossing bedacht: een AI-systeem dat niet alleen slim is, maar ook kan praten.

1. De Drie Expert-Detectives (Deep Learning)

Stel je voor dat je drie verschillende detectives hebt die elk hun eigen specialisme hebben:

• Detective ResNet-101: Een oude, ervaren agent die goed is in het zien van patronen.
• Detective DenseNet-121: Een snelle, moderne agent die alles heel gedetailleerd bekijkt.
• Detective Inception v3: Een creatieve agent die vanuit verschillende hoeken en afstanden kijkt.

Elke detective kijkt naar de foto van de huidvlek en zegt: "Ik denk dat dit kanker is" of "Ik denk dat dit onschuldig is".

2. Het Teamwerk (Ensemble Learning)

In plaats van te vertrouwen op één detective, laten ze de drie samenwerken. Dit noemen ze Ensemble Learning.

• Als Detective A twijfelt, maar B en C het zeker weten, luisteren ze naar B en C.
• Ze geven niet iedereen evenveel stemrecht. De detective die in het verleden de beste resultaten heeft geboekt, krijgt een zwaardere stem.

Het resultaat? Een Super-Detective die veel accurater is dan welke van de drie individuen ook. In hun test scoorde dit team 85,8% correct, wat beter is dan de beste individuele detective (die op 83,9% zat).

3. De "Magische Lint" (Explainable AI / XAI)

Dit is het coolste deel van het verhaal. Hoe weten we dat de Super-Detective niet zomaar gokt? Ze gebruiken een techniek genaamd SHAP.

Stel je voor dat je de foto van de huidvlek op een scherm legt. De AI trekt nu een rode en blauwe "magische lint" over de foto:

• Rode gebieden: Dit zijn de delen van de vlek die de AI als belangrijk heeft gezien om te zeggen: "Dit is kanker!" (Bijvoorbeeld: een rare rand of een donkere plek).
• Blauwe gebieden: Dit zijn delen die de AI negeerde of die juist tegen de diagnose spraken.

Waarom is dit belangrijk?
Omdat de arts nu kan kijken en zeggen: "Ah, de AI kijkt naar die rare rand. Dat klopt, dat is inderdaad een teken van kanker."
Als de AI echter zou kijken naar een haren op de foto of een krul in de rand van de foto (die niets met kanker te maken hebben) en die rood zou kleuren, dan weten we: "Oh nee, de AI is in de war geraakt door de haren!"

In hun onderzoek zagen ze dat de AI soms verward werd door haren of vreemde lichteffecten op de foto. Dankzij de "magische lint" (SHAP) kunnen ze dit zien en de AI verbeteren.

4. Het Grote Probleem: De Onevenwichtige Bal

Een ander probleem was dat er in de database veel meer foto's van gezonde vlekken waren dan van kanker.

• Het is alsof je een school hebt met 100 kinderen en slechts 1 kind dat een gebroken arm heeft. Als je een dokter traint op die school, zal die dokter bijna altijd zeggen: "Geen gebroken arm!" omdat dat het meest voorkomende geval is.
• De onderzoekers hebben de data "in balans" gebracht (door de gezonde foto's iets te verminderen) zodat de AI echt moest leren om de zeldzame kankervlekken te herkennen.

🏁 Conclusie: Wat hebben we geleerd?

Dit onderzoek toont aan dat we AI kunnen bouwen die:

1. Beter is dan een mens in het herkennen van melanoom (door drie slimme modellen te combineren).
2. Eerlijk is door te laten zien waar ze naar kijkt (met de rode en blauwe kleuren).
3. Betrouwbaar is, omdat artsen nu kunnen controleren of de AI naar de juiste dingen kijkt en niet naar haren of ruis.

De toekomst:
De onderzoekers willen de AI nog slimmer maken, zodat hij nog minder fouten maakt (vooral het missen van kanker, wat gevaarlijk is). Ze willen ook de foto's nog beter maken door haren te verwijderen, zodat de AI zich puur op de vlek kan concentreren.

Kortom: Ze hebben een slimme, transparante assistent gebouwd die artsen helpt om levens te redden, zonder dat het een mysterie blijft hoe die assistente tot zijn conclusies komt.

Technische samenvatting

Probleemstelling

Melanoom is de dodelijkste vorm van huidkanker. Hoewel de overlevingskans bij vroege detectie boven de 99% ligt, is de huidige diagnose vaak afhankelijk van visuele inspectie door dermatologen (dermoscopie) of invasieve biopsieën. Visuele inspectie heeft een nauwkeurigheid van ongeveer 80% en is onderhevig aan variatie tussen specialisten.

Hoewel Deep Learning (DL) modellen hoge nauwkeurigheid kunnen bereiken, lijden ze onder het "black-box"-probleem: artsen vertrouwen de resultaten niet omdat de modellen niet uitleggen waarom een bepaalde diagnose wordt gesteld. Daarnaast zijn er uitdagingen met betrekking tot:

• Klasse-ongelijkheid: In medische datasets zijn kwaadaardige gevallen (melanoom) vaak veel minder frequent dan goedaardige gevallen.
• Beeldkwaliteit: Dermoscopie-afbeeldingen hebben vaak lage contrasten, ruis en onregelmatige randen.
• Gebrek aan interpretatie: Bestaande AI-systemen missen transparantie, wat de implementatie in de klinische praktijk belemmert.

Methodologie

De auteurs stellen een machine learning-framework voor dat bestaat uit drie hoofdfasen: datavoorbereiding, deep ensemble learning en explainable AI (XAI).

1. Datavoorbereiding en Pre-processing

• Datasets: Gebruik gemaakt van de ISIC Challenge 2019 en 2020 datasets.
• Balancering: Om de extreme klasse-ongelijkheid aan te pakken (bijv. slechts 1,8% melanoom in ISIC 2020), werd de meerderheidsklasse (goedaardig) ondergesampled. Het resulterende gebalanceerde dataset bevatte 10.212 afbeeldingen (5.106 goedaardig, 5.106 kwaadaardig).
• Pre-processing: Afbeeldingen werden versterkt om contrast en scherpte te verbeteren (kleur, scherpte, helderheid, contrast) en gecentreerd geknipt. Normalisatie werd toegepast (delen door 255).
• Data Augmentatie: Om overfitting te voorkomen, werden technieken zoals horizontale/verticale flips, rotatie, zoom en verschuivingen toegepast.

2. Deep Ensemble Learning

• Basismodellen: Vijf state-of-the-art transfer learning modellen werden getraind en gefinetuned: VGG-19, ResNet-50, ResNet-101, DenseNet-121 en Inception v3. Alle modellen waren vooraf getraind op ImageNet.
• Selectie: Op basis van prestaties (Accuracy, ROC-AUC) werden drie modellen geselecteerd als basis voor het ensemble: ResNet-101, DenseNet-121 en Inception v3.
• Ensemble Strategieën: Vier fusiemethoden werden getest:
  1. Hard Majority Voting.
  2. Soft Majority Voting (Probability Averaging).
  3. Max Rule Ensemble.
  4. Gewogen Gemiddelde (Weighted Averaging): Dit bleek de beste methode. In plaats van willekeurige gewichten, werden de gewichten ($w_i$) berekend met behulp van een Hyperbolische Tangens-functie (tanh) die gebaseerd was op meerdere prestatie-indicatoren (Precision, Recall, F1-score en ROC-AUC) van de individuele modellen. Dit zorgt voor een dynamische weging waarbij modellen met betere prestaties op meerdere metrieken zwaarder wegen.

3. Explainable AI (XAI)

• Om het black-box-probleem op te lossen, werd SHAP (SHapley Additive exPlanations) gebruikt.
• SHAP analyseerde welke pixels in de afbeelding bijdroegen aan de voorspelling (rood = positieve bijdrage, blauw = negatieve bijdrage).
• Dit werd gedaan voor elk basismodel om te visualiseren welke regio's van de huidlaesie het model als relevant beschouwde.

Belangrijkste Resultaten

• Prestaties van het Ensemble: Het voorgestelde ensemble-framework (met gewogen gemiddelde gebaseerd op de tanh-functie) behaalde de beste resultaten:
  • Accuracy: 85,80%
  • Precision: 86,58%
  • Recall: 84,36%
  • F1-score: 85,46%
  • ROC-AUC: 0,93
• Vergelijking: Het ensemble presteerde beter dan de beste individuele basisleerder (DenseNet-121 met 83,90% accuracy en 0,91 AUC) en overtrof eerdere werken in de literatuur die op dezelfde datasets werden getest.
• SHAP-analyse:
  • De visualisaties toonden aan dat de modellen correcte regio's van de laesie identificeerden, wat het vertrouwen vergroot.
  • Verschillende modellen focusten op verschillende delen van de laesie (bijv. ResNet-101 op de onderkant, DenseNet-121 op de rechterbovenkant), wat het voordeel van ensemble learning onderstreept.
  • Beperkingen geïdentificeerd: SHAP onthulde dat de modellen soms beïnvloed werden door irrelevante kenmerken zoals haren op de huid of cirkelvormige microscopische effecten (vignetting), wat leidde tot misinterpretaties.

Bijdragen en Relevantie

1. Hoge Nauwkeurigheid met Klein Dataset: Het bewijst dat met een gebalanceerd, relatief klein dataset en transfer learning, concurrerende resultaten voor melanoomdetectie kunnen worden behaald.
2. Geavanceerde Ensemble Methode: De introductie van een gewogen ensemble waarbij de gewichten dynamisch worden berekend op basis van een combinatie van meerdere evaluatiemetrieken (via de tanh-functie) in plaats van alleen op basis van accuracy.
3. Interpreteerbaarheid: Het integreren van SHAP lost het vertrouwenprobleem op door te tonen waarom een diagnose wordt gesteld. Dit is cruciaal voor de acceptatie door medisch personeel.
4. Klinische Validatie: De studie identificeert specifieke foutbronnen (zoals haren en vignetting) die de modelvoorspellingen beïnvloeden, wat leidt tot aanbevelingen voor betere pre-processing (zoals haarentfering en segmentatie) in toekomstig onderzoek.

Conclusie:
De paper presenteert een robuust en interpreteerbaar systeem voor de diagnose van melanoom. Door deep ensemble learning te combineren met XAI, wordt niet alleen de nauwkeurigheid verbeterd, maar wordt ook de transparantie geboden die nodig is voor de praktische toepassing in de gezondheidszorg. Toekomstig werk richt zich op het verbeteren van de gevoeligheid (recall) en het verwijderen van storende elementen in de afbeeldingen.