Synthetic Melanoma Image Generation and Evaluation Using Generative Adversarial Networks

Probleemstelling

Melanoom is de dodelijkste vorm van huidkanker, waarbij vroege detectie cruciaal is voor de patiëntuitkomst. Hoewel diep learning en dermatoscopie de geautomatiseerde analyse van huidlaesies hebben verbeterd, wordt de vooruitgang gehinderd door twee hoofdproblemen:

1. Beperkte toegang tot grote, goed geannoteerde datasets: Er is een schaarste aan hoogwaardige medische data.
2. Ernstige class-imbalance (ongewenste verhouding): In bestaande datasets zijn melanoomafbeeldingen sterk ondervertegenwoordigd ten opzichte van goedaardige laesies. Dit leidt tot vertekende leerprocessen en slechtere generalisatie van modellen, vooral bij de toepassing op diverse patiëntpopulaties en opnamesystemen.

Traditionele data-augmentatie (zoals roteren of spiegelen) is vaak ontoereikend omdat het geen nieuwe, realistische variabiliteit introduceert. Generatieve Modellen, en specifiek Generative Adversarial Networks (GAN's), worden gezien als een veelbelovende oplossing om synthetische data te genereren die de zeldzame melanoom-variabiliteit aanvult. Echter, eerdere studies lieten vaak beperkte resoluties zien of misten een systematische vergelijking van moderne architecturen met klinisch relevante validatie.

Methodologie

De auteurs presenteren de eerste systematische benchmarkstudie die vier GAN-architecturen vergelijkt voor het genereren van hoogresolutie (512 × 512) melanoomafbeeldingen.

1. Gebruikte Architecturen:

• DCGAN: Deep Convolutional GAN (een eerdere standaard).
• StyleGAN2: Een verbeterde versie met gescheiden content en stijl.
• StyleGAN3-T: Focus op realistische texturen en fijne details (translation equivariance).
• StyleGAN3-R: Ontworpen om positionele bias te minimaliseren en rotatieconsistentie te verbeteren (rotation and translation equivariance).

2. Datapreparatie en Training:

• Datasets: Twee expert-geannoteerde benchmarks: ISIC 2018 (10.015 afbeeldingen, 1.113 melanomen) en ISIC 2020 (33.126 afbeeldingen, 7.227 melanomen).
• Preprocessing: Alle melanoomafbeeldingen werden op 512 × 512 pixels hergroot. DCGAN gebruikte uitgebreide augmentatie (rotatie, spiegeling), terwijl StyleGAN-modellen voornamelijk horizontale spiegeling gebruikten omdat ze interne augmentatiemechanismen hebben.
• Hyperparameter-optimalisatie: Een uniek aspect van deze studie is de focus op het optimaliseren van de R1-regulatiesterkte ($\gamma$), een parameter die cruciaal is voor de stabiliteit van het trainingproces.

3. Evaluatieprotocol (Multi-faceted):
Om de kwaliteit en klinische bruikbaarheid te beoordelen, werd een uitgebreid protocol gebruikt:

• Distributieniveau: Frechet Inception Distance (FID) om de gelijkenis tussen de verdeling van echte en synthetische data te meten.
• Staal-niveau: Frechet Medoid Distance (FMD) om te meten hoe representatief individuele gegenereerde stalen zijn (gevoelig voor "mode collapse").
• Kwalitatieve inspectie: Visuele controle op dermatoscopische kenmerken (volgens de 7-punten checklist).
• Downstream validatie: Een "bevroren" (geen training) EfficientNet-based classifier werd gebruikt om te zien of de synthetische afbeeldingen nog steeds als melanoom werden herkend.
• Expertvalidatie: Twee erkende dermatologen beoordeelden onafhankelijk of afbeeldingen echt of synthetisch waren.

Belangrijkste Bijdragen

1. Systematische Vergelijking: De eerste directe vergelijking van DCGAN, StyleGAN2 en twee StyleGAN3-varianten specifiek voor melanoom, onder consistente trainingsvoorwaarden.
2. Hyperparameter-gids: Praktische richtlijnen voor het trainen van melanoom-synthese, met name de optimale instelling van de R1-regulatie ($\gamma$).
3. Klinisch Gebaseerde Validatie: Een robuust evaluatiekader dat niet alleen statistische metrics combineert, maar ook downstream classificatieprestaties en menselijke expertbeoordeling integreert om de klinische relevantie te bewijzen.

Resultaten

1. Prestatie van Architecturen:

• StyleGAN2 bleek de beste balans te hebben tussen kwantitatieve prestaties en perceptuele kwaliteit.
• StyleGAN3-R behaalde de laagste FID-score (26,47) bij $\gamma=8$, maar produceerde onacceptabele "mesh-" of rooster-achtige artefacten in ongeveer 60% van de afbeeldingen, wat het ongeschikt maakt voor medische toepassingen.
• StyleGAN3-T had de slechtste FID-score (246,42) maar een lage FMD, wat wijst op beperkte diversiteit (het genereert realistische individuele stalen maar mist de volledige morfologische diversiteit).
• DCGAN presteerde overal slecht vanwege zijn beperkte capaciteit voor hoogresolutie details.

2. Optimalisatie van Regulatie ($\gamma$):
Voor StyleGAN2 bleek een lagere regulatiesterkte ($\gamma = 0,8$) superieur aan hogere waarden. Dit resulteerde in de beste FID-scores: 24,8 voor ISIC 2018 en 7,96 voor ISIC 2020. Dit suggereert dat het melanoom-domein minder agressieve gladmaking van de discriminators-gradiënten vereist.

3. Kwaliteit en Herkenbaarheid:

• Klassificatie: Een sterke, bevroren EfficientNet-classifier herkende 83% van de door StyleGAN2 gegenereerde afbeeldingen correct als melanoom.
• Dermatologen: Twee dermatologen konden synthetische afbeeldingen slechts met 66,5% nauwkeurigheid onderscheiden van echte afbeeldingen (kansniveau is 50%). De inter-rater overeenkomst was laag ($\kappa = 0,17$), wat aangeeft dat er geen consistente visuele "artefacten" zijn die de synthetische aard verraadden.

4. Toepassing in Data Augmentatie:
In een gecontroleerd experiment werd een class-ongeweven dataset aangevuld met synthetische melanoomafbeeldingen. Dit verbeterde de AUC (Area Under Curve) voor melanoomdetectie van 0,925 (alleen echte data) naar 0,945 (echte + synthetische data), wat een meetbaar voordeel aantoont voor het oplossen van class-imbalance.

Betekenis en Conclusie

De studie concludeert dat StyleGAN2 de meest betrouwbare architectuur is voor het genereren van hoogresolutie melanoomafbeeldingen. De gegenereerde afbeeldingen behouden diagnostisch relevante kenmerken en zijn voor experts nauwelijks te onderscheiden van echte afbeeldingen.

De belangrijkste implicatie is dat synthetische data een praktische en effectieve tool kan zijn om de ernstige class-imbalance in dermatologische datasets te mitigeren, waardoor de prestaties van AI-modellen voor vroege melanoomdetectie significant worden verbeterd. Dit biedt een fundament voor het integreren van synthetische data in de ontwikkeling van dermatologische AI, niet als vervanging voor echte patiëntdata, maar als een aanvullende resource om robuustheid en generalisatie te vergroten. De auteurs wijzen ook op de potentie voor toepassing op andere zeldzame huidaandoeningen.