Comparative Analysis of Deep Learning Architectures for Multi-Disease Classification of Single-Label Chest X-rays

Titel: Vergelijkende Analyse van Deep Learning-architecturen voor Multi-Ziekte Classificatie van Enkel-Label Borst-Röntgenfoto's

1. Probleemstelling

Borst-röntgenfoto's (CXR) zijn de meest gebruikte diagnostische techniek voor long- en hartziekten wereldwijd vanwege hun lage kosten en toegankelijkheid. De nauwkeurigheid van de diagnose wordt echter ernstig beperkt door:

• Een tekort aan radiologen en variatie tussen waarnemers (inter-observer variabiliteit).
• De subjectieve interpretatie van beelden, waarbij ziekteverschijnselen elkaar overlappen (bijv. vlekken bij tuberculose en longontsteking).
• Het gebrek aan rigoureuze, vergelijkende evaluaties van moderne deep learning-architecturen op gebalanceerde, multi-class datasets.
• Veel bestaande studies gebruiken onbalans datasets (waarbij 'Normaal' de overhand heeft), wat leidt tot vertekende prestaties en slechte prestaties bij minderheidsklassen.

2. Methodologie

De auteurs hebben een gestructureerd experiment opgezet om zeven populaire deep learning-modellen te vergelijken onder identieke omstandigheden.

• Dataset Constructie:

  • Een unificatie van drie openbare repositories (NIH Clinical Center, COVID-19 Radiography Database, Tuberculosis Chest X-ray Database).
  • Klassen: Cardiomegalie, COVID-19, Normaal, Longontsteking (Pneumonia) en Tuberculose.
  • Balancering: Om extreme onbalans (60.361 'Normaal' vs. 1.390 'Longontsteking') op te lossen, werd random undersampling toegepast op de meerderheidsklasse en gecontroleerde data-augmentatie (rotatie, spiegeling, helderheid) op de minderheidsklassen. Dit resulteerde in een gebalanceerde dataset van 3.616 afbeeldingen per klasse.
  • Splitsing: Strikte splitsing op patiëntniveau (70% training, 10% validatie, 20% test) om data-lekkage te voorkomen. Totaal: 18.080 afbeeldingen van 6.978 unieke patiënten.

• Geëvalueerde Architecturen:
  Zeven state-of-the-art modellen, allemaal geïnitieerd met ImageNet-pre-trained weights:

  1. ConvNeXt-Tiny: Moderne CNN met transformer-geïnspireerde ontwerpprincipes.
  2. DenseNet121 & DenseNet201: Dichte connectiviteit voor feature reuse.
  3. ResNet50: Residuleer netwerken.
  4. EfficientNetV2-M: Schaling via compound scaling.
  5. MobileNetV2: Lichtgewicht voor resource-constrained omgevingen.
  6. Vision Transformer (ViT-B/16): Attention-based mechanismen.

• Training Configuratie:

  • Alle modellen werden getraind met dezelfde preprocessing, augmentatie, optimizer (Adam, lr=1e-4) en loss-functie (CrossEntropyLoss).
  • De CheXNet-protocol werd aangepast van multi-label naar single-label classificatie voor betere klinische interpretatie.
  • Evaluatiemetrics: AUROC, nauwkeurigheid, precisie, recall, F1-score en computationele efficiëntie (parameters, trainingstijd).

3. Belangrijkste Bijdragen

1. Gebalanceerde Unificatie: Creatie van een gebalanceerde, vijf-klassen dataset die de onbalans van bestaande repositories oplost, wat essentieel is voor eerlijke evaluatie.
2. Systematische Vergelijking: De eerste studie die CNN's (klassiek en modern), EfficientNet-varianten en Vision Transformers direct vergelijkt onder strikt gecontroleerde, identieke trainingsomstandigheden.
3. Prestatie-Efficiëntie Trade-off: Analyse van de balans tussen diagnostische nauwkeurigheid en computationele kosten, met specifieke focus op de haalbaarheid voor implementatie in hulpbronnen-arme zorgomgevingen.
4. Interpreteerbaarheid: Toepassing van Grad-CAM om te verifiëren of de modellen zich richten op klinisch relevante anatomische gebieden.

4. Resultaten

Alle zeven modellen behaalden een testnauwkeurigheid boven de 90%, wat aantoont dat hoge prestaties mogelijk zijn zonder extreme rekenkracht.

• Beste Algemene Prestatie: ConvNeXt-Tiny behaalde de hoogste scores met een validatie-AUROC van 98,64% en een testnauwkeurigheid van 92,31%.
• Beste Efficiëntie: MobileNetV2 bleek de meest parameter-efficiënte optie. Met slechts 3,5 miljoen parameters (87,5% minder dan de beste modellen) bereikte het een test-AUROC van 94,10% en een nauwkeurigheid van 90,42%. Het was ook het snelst in training (48 minuten) en inferentie.
• Aandacht voor Transformers: ViT-B/16 presteerde goed (91,87% nauwkeurigheid) maar vereiste de volledige trainingstijd en had meer parameters dan CNN's, zonder de top-prestaties te evenaren. Dit suggereert dat transformers in medische beeldvorming mogelijk meer data nodig hebben om hun potentieel te benutten.
• Ziektespecifieke Prestaties:
  • Tuberculose en COVID-19: Bijna perfecte classificatie (AUROC > 99,97%) vanwege duidelijke radiografische kenmerken.
  • Normaal, Cardiomegalie en Longontsteking: Moeilijker te onderscheiden (AUROC ~95-96%) vanwege overlappende visuele kenmerken (bijv. hartgrootte en vroege infiltraten).
• Convergentie: CNN-modellen (zoals DenseNet en ConvNeXt) convergeerden sneller dan ViT-B/16.

5. Betekenis en Conclusie

De studie concludeert dat uitstekende nauwkeurigheid in multi-ziekte classificatie van borst-röntgenfoto's haalbaar is zonder zware rekenkracht.

• Klinische Toepassing: De resultaten ondersteunen de integratie van AI als diagnostische hulpmiddel in zowel rijke als hulpbronnen-arme zorgsystemen.
• Architectuurkeuze:
  • Voor hoge nauwkeurigheid in goed uitgeruste centra: ConvNeXt-Tiny of DenseNet.
  • Voor mobiele toepassingen of gebieden met beperkte infrastructuur: MobileNetV2 is de ideale keuze vanwege de lage parameter-count en snelle inferentie, terwijl het nog steeds een hoge nauwkeurigheid behoudt.
• Toekomstperspectief: Hoewel de resultaten veelbelovend zijn, zijn verdere validatie op externe datasets, integratie van klinische metadata en kwantificering van onzekerheid noodzakelijk voor veilige klinische implementatie.

Kortom, dit paper biedt een blauwdruk voor het selecteren van het juiste deep learning-model op basis van de beschikbare infrastructuur en de specifieke behoeften van de klinische setting.