Physics-Grounded Adversarial Stain Augmentation with Calibrated Coverage Guarantees

Technische Samenvatting: Gekalibreerde Adversariële Kleurstofaugmentatie (CASA)

Probleemstelling
Histopathologiemodellen die zijn getraind op met Hematoxyline en Eosine (H&E) gekleurde dia's, lijden vaak onder prestatiedalingen bij implementatie in verschillende ziekenhuizen. Dit probleem vloeit voort uit variaties in reagensconcentraties, kleuringprotocollen en scannerhardware, die de kleurdistributie van de afbeeldingen veranderen. Bestaande oplossingen ondervinden aanzienlijke beperkingen:

• Kleurstofnormalisatie: Methoden die afbeeldingen transformeren naar een referentietemplate (bijv. Macenko et al., 2009) introduceren vaak artefacten en zijn sterk afhankelijk van de selectie van het referentietemplate.
• Willekeurige kleurstofaugmentatie: Benaderingen zoals HED-perturbatie (Tellez et al., 2019) of RandStainNA (Shen et al., 2022) verhogen de kleurdiversiteit, maar vereisen een handmatige selectie van de perturbatiesterkte ($\sigma$). Het artikel merkt een gebrek aan principiële criteria voor deze selectie op, en observeert een prestatiekloof van 8 procentpunten tussen "lichte" en "sterke" perturbatie-instellingen op de Camelyon17-WILDS-benchmark.
• Generieke adversariële augmentatie: Recente methoden (bijv. AdvST, Zhong et al., 2022) leren worst-case perturbaties, maar opereren in generieke kleerruimten (HSV, contrast) met willekeurige budgetten die de fysieke beperkingen van het kleuringproces niet weerspiegelen.

Methodologie: Gekalibreerde Adversariële Kleurstofaugmentatie (CASA)
De auteurs stellen CASA voor, een kader dat adversariële augmentatie uitvoert binnen de op de fysica gebaseerde Macenko-kleurstofparameterruimte, gekoppeld aan een statistisch gekalibreerd budget.

1. Op de fysica gebaseerde parameterruimte:
   De methode maakt gebruik van de wet van Beer-Lambert om beeldvorming te modelleren ($I_j = I_0 \exp(-W h_j)$), waarbij $W$ eenheidsnormale kleurstofbasisvectoren (Hematoxyline en Eosine) voorstelt en $h$ de kleurstofconcentraties. CASA werkt direct op deze parameters:

   • Perturbatie van kleurstofvectoren ($\delta_W$): Perturbeert de richting van kleurstofvectoren, geprojecteerd op een sferische kap om de eenheidsnorm te behouden.
   • Perturbatie van concentraties ($\delta_h$): Schaalt concentraties elementsgewijs. Beperkingen zorgen ervoor dat concentraties tijdens de optimalisatie niet-negatief blijven.

2. Min-Max trainingslus:
   Het trainingsproces lost een min-max probleem op. In de innerlijke maximalisatiestap identificeert het model de worst-case kleurstofperturbatie $(\delta^*_W, \delta^*_h)$ met behulp van $K$-staps Projected Gradient Descent (PGD). De buitenste minimalisatie update de modelparameters $\theta$ met behulp van Stochastic Gradient Descent (SGD) op de versterkte afbeelding die via de Beer-Lambert-inversie wordt gereconstrueerd.

3. Gekalibreerd budget met dekkinggaranties:
   In tegenstelling tot traditionele methoden waarbij perturbatiebudgetten hyperparameters zijn, leidt CASA deze af van meercentra-trainingsstatistieken met behulp van de Dvoretzky-Kiefer-Wolfowitz (DKW)-ongelijkheid.

   • Schatting: Voor een set van $n$ trainingsafbeeldingen berekent de methode de hoekafwijking van kleurstofvectoren en de verhouding van concentratiepercentielen ten opzichte van het gemiddelde.
   • Statistische garantie: De budgetten $\tau_W$ en $\tau_H$ worden ingesteld als empirische quantielen aangepast met een DKW-correctieterm ($\varepsilon_n$). Dit garandeert dat de ware $(1-\delta)$-quantiel van kleurstofvariaties wordt gedekt met een waarschijnlijkheid $\geq 1-\beta$.
   • Resultaat: Deze aanpak garandeert dat kleurstofparameters van onzichtbare centra binnen het adversariële budget vallen met een hoge zekerheid (bijv. $\geq 95\%$), waardoor handmatige afstemming overbodig wordt.

Belangrijkste resultaten
De methode werd geëvalueerd op het Camelyon17-WILDS-dataset (5 ziekenhuizen, 302K patches) met een DenseNet-121-architectuur over 5 willekeurige zaden.

• Prestaties: CASA behaalde een slide-level macro-accuraatheid van 93,9% ± 1,6%, wat significant beter was dan alle baselines.
  • T.o.v. willekeurige augmentatie: Het overtrof HED-strong (88,4% ± 7,3%) en RandStainNA (85,2% ± 6,7%).
  • T.o.v. standaard training: Het verbeterde Empirical Risk Minimization (ERM) aanzienlijk, die uitkwam op 63,9% ± 11,3%.
• Robuustheid: CASA toonde de hoogste worst-group-accuraatheid (84,9% ± 0,9%) van de 10 vergeleken methoden, wat wijst op superieure stabiliteit over verschillende ziekenhuisdomeinen.
• Variantie: De methode vertoonde een 4x lagere variantie in gemiddelde accurateheid vergeleken met HED-strong, wat de stabiliteit benadrukt die wordt geboden door het gekalibreerde budget.

Betekenis en claims
Het artikel claimt dat de effectiviteit van CASA voortkomt uit twee specifieke ontwerpkeuzes die de falen van generieke adversariële methoden aanpakken:

1. Fysische gronding: Door perturbaties te parametriseren in de Macenko-kleurstofruimte, traint het model op de moeilijkste realistische kleurstofvariaties, wat generalisatie garandeert naar elk centrum binnen dat fysieke bereik.
2. Datagedreven kalibratie: Door het adversariële budget af te leiden van meercentra-statistieken via de DKW-ongelijkheid, verwijdert de methode de gevoeligheid voor handmatige hyperparameterafstemming (specifiek de perturbatiesterkte $\sigma$) en biedt een statistische garantie van dekking voor onzichtbare domeinen.

De auteurs concluderen dat, omdat de domeinspecifieke componenten beperkt zijn tot kleurstofdecompositie en de kalibratieset, de min-max-formulering overdraagbaar is naar elk kleuringprotocol waarbij het voorwaartse fysieke model bekend is.