Understanding Model Behavior in Monocular Polyp Sizing

Technische Samenvatting: Begrip van Modelgedrag bij Monoculaire Poliepgroottemeting

Probleemformulering
Een nauwkeurige stratificatie van de grootte van colorectale poliepen is cruciaal voor klinische bewakingsbeslissingen, met name het onderscheid tussen diminutieve poliepen (≤5 mm) en die welke een nauwere follow-up vereisen (>5 mm). Echter, monoculaire colonoscopie lijdt onder inherente geometrische schaalambiguïteit: onder een gaatjescamera-model is de schijnbare diameter ($A$) van een poliep een functie van zijn ware diameter ($S$) en de camera-afstand ($Z$) ($A = fS/Z$). Zonder een metrische referentie is een kleine poliep van dichtbij bekeken visueel niet te onderscheiden van een grote poliep van een afstand bekeken.

Deze ambiguïteit wordt versterkt door klinisch onderzoeksgedrag. Endoscopisten bewegen de camera van nature dichter naar diminutieve poliepen om hun status te bevestigen, terwijl ze grotere laesies van een wijder gezichtsveld bekijken. Dit gedrag creëert een schijnbare correlatie tussen schijnbare schaal en het groottelabel in naturalistische trainingsdata. Bijgevolg kunnen geautomatiseerde modellen vertrouwen op "shortcuts" – aanwijzingen die correleren met onderzoeksgedrag in plaats van ware geometrische redenering – wat leidt tot systematische fouten wanneer de implementatievoorwaarden afwijken van de trainingsverdelingen.

Methodologie en Experimentele Opstelling
De auteurs presenteren een diagnostische audit van de binaire poliepgrootteclassificatie (≤5 mm vs. >5 mm) over twee publieke, multicenter datasets: Real-Colon en SUN-SEG. De gecombineerde dataset bevat 232 unieke poliepen (147 ≤5 mm, 85 >5 mm) van 159 patiënten. Om datalekken te voorkomen, maken de experimenten gebruik van patiënt-gestratificeerde 5-voudige kruisvalidatie.

De studie evalueert drie verschillende invoermodaliteiten en model-families om de bijdragen van architectuur versus data te isoleren:

1. Uiterlijk: Een ResNet18 en een ViT-B die werken op gemaskerde RGB-afbeeldingen.
2. Relatieve Diepte: Een drie-blok CNN (CNN3) die werkt op relatieve dieptekaarten gegenereerd door PPSNet.
3. Fotometrie/Geometrie: Een twee-laags MLP met 51 handgemaakte geometrische en fotometrische kenmerken.

Om de beperkingen van huidige modellen te diagnosticeren, introduceren de auteurs drie gerichte interventies:

• Data-Model Bias Audit: Het vergelijken van prestaties over modaliteiten en architecturen om convergentiepunten te identificeren.
• Metrische Schaal Ladder: Het toepassen van "orakel"-schaalcorrecties op verschillende granulariteiten (per frame, per poliep en globaal) op relatieve dieptekaarten. Dit kwantificeert de theoretische prestatiewinst als perfecte metrische schaal beschikbaar zou zijn. Zij testen ook kant-en-klare metrische diepteschattingen (MetricCol) en globale kalibratiefactoren.
• Robuustheid Maskerkwaliteit: Het vervangen van ground-truth bounding boxes door voorspellingen van een segmentatiemodel (PolypPVT) en het toepassen van bounding box-perturbaties (±20%) om te beoordelen hoe segmentatiefouten zich voortplanten naar groottemetingstaken.

Belangrijkste Resultaten

1. Prestatieplateau en Shortcuts: Over alle architecturen en invoermodaliteiten (RGB, relatieve diepte, fotometrie) convergeren modellen naar een vergelijkbaar prestatieplafond met een Macro-F1-score van ongeveer 0,75. Diagnostische analyse van de MLP-kenmerken toont aan dat modellen zwaar vertrouwen op "schijnbare grootte" (de verhouding van het oppervlak van de bounding box tot het afbeeldingsoppervlak), wat ware schaal verward met afstand. Dit suggereert dat het plateau wordt gedreven door ontbrekende metrische informatie en afhankelijkheid van aanwijzingen voor onderzoeksgedrag, in plaats van ontoereikende modelcapaciteit.
2. Beperkte Winsten van Huidige Diepteschatting: Het verstrekken van orakel-informatie over schaal per frame levert een aanzienlijke prestatieverbetering op (+16,1 procentpunten, van 0,725 naar 0,886), wat aangeeft dat er aanzienlijke ruimte bestaat als schaalambiguïteit wordt opgelost. Huidige metrische diepteschattingen (MetricCol) en globale kalibratiemethoden slagen er echter niet in deze winst te herstellen in klinische data, en tonen verwaarloosbare verbetering ten opzichte van baselines voor relatieve diepte. De orakelwinst is geconcentreerd in "shortcut-inconsistente" frames waar de schijnbare grootte in tegenspraak is met de ware fysieke grootte, wat bevestigt dat schaalambiguïteit de primaire faalmodus is in deze gevallen.
3. Segmentatie als Onafhankelijke Bottleneck: De kwaliteit van segmentatie fungeert als een kritieke, onafhankelijke bottleneck. Wanneer ground-truth maskers worden vervangen door voorspellingen van een segmentatiemodel getraind op andere data, daalt de prestatie van het dieptegedreven groottemetingmodel met 15,3 procentpunten (van 0,725 naar 0,572). Zelfs met orakel-informatie over schaal per frame, herstelt het gebruik van voorspelde maskers de prestatie slechts tot het niveau van de niet-geschaalde baseline (0,736). Dit toont aan dat in-domein segmentatie-benchmarks de robuustheid van downstream groottemeting niet voorspellen onder distributieverandering.
4. Beperkingen van Fotometrie: Pogingen om fotometrische aanwijzingen (achtergrondluminantie) als proxy voor afstand te gebruiken, faalden en herstelden slechts 17% van de orakel-schaalruimte. Dit wordt toegeschreven aan Auto-Exposure Control in klinische endoscopen, die sensorversterking aanpast om een stabiele helderheid te behouden, waardoor de inverse-kwadratenwet-relatie tussen helderheid en afstand wordt verbroken.

Betekenis en Bijdragen
Het artikel betoogt dat vooruitgang in monoculaire poliepgroottemeting momenteel wordt beperkt door drie onafhankelijke factoren: het ontbreken van nauwkeurige per-frame metrische schaal, de kwetsbaarheid van segmentatiemaskers onder domeinverschuiving, en de schaarste aan grote, multicenter datasets met betrouwbare grootteannotaties.

De auteurs beweren dat hun werk een diagnostisch kader biedt voor toekomstig onderzoek, met herbruikbare evaluatietools zoals:

• Orakel Schaal Ladders: Om de theoretische bovengrens van prestaties te kwantificeren gegeven perfecte schalinformatie.
• Shortcut-partities: Om gevallen te isoleren en te analyseren waarbij onderzoeksgedrag misleidende aanwijzingen creëert.
• Maskervervanging: Om de robuustheid van groottemetingpipelines voor segmentatiefouten te auditeren.

De studie concludeert dat, hoewel huidige modellen adequaat presteren wanneer schijnbare grootte overeenkomt met ware grootte, ze significant verslechteren wanneer klinisch gedrag tegenstrijdigheden creëert. Toekomstige vooruitgang zal waarschijnlijk afhankelijk zijn van klinisch onderbouwde schaalreferenties (bijv. instrumentgebaseerde ankers), verbeterde robuustheid van segmentatie en verhoogde data-diversiteit, in plaats van simpelweg het opschalen van modelcapaciteit. De code en tools zijn publiek beschikbaar gesteld om verdere auditing van poliepgroottemetingpipelines te faciliteren.