Technische Samenvatting: Onderzoek naar de Visuele Kenmerken van CNN's voor Vasculaire Segmentatie

Probleemstelling

Bloedvatsegmentatie is een cruciale procedure voor het diagnosticeren van aandoeningen variërend van diabetische retinopathie tot neurodegeneratieve ziekten. Echter, Convolutionele Neurale Netwerken (CNN's) die voor deze taak worden gebruikt, worden vaak behandeld als "black boxes", waarbij een gebrek is aan transparantie over de specifieke visuele kenmerken die hun beslissingen drijven. Hoewel CNN's een hoge nauwkeurigheid bereiken, blijft het onduidelijk of ze vertrouwen op anatomische continuïteit (globale vorm), lokale pixelintensiteit of textuurpatronen. Dit gebrek aan interpreteerbaarheid belemmert klinische integratie, modeldebugging en het vermogen om robuustheid tegen datavariaties te waarborgen. Bovallo de relatie tussen het Effective Receptive Field (ERF) van het netwerk en de ruimtelijke context die vereist is om de complexe, vertakkende geometrie van vasculaire bomen te vangen, is in dit domein niet systematisch begrepen.

Methodologie

De auteurs voerden een systematisch, drieledig onderzoek uit met behulp van twee verschillende beeldvormingsdomeinen: fluorescentiemicroscopie (VessMAP-dataset) en retina fundusfotografie (DRIVE-dataset). De studie maakte gebruik van gerichte experimenten om de invloed van textuur, vorm en receptief veld te isoleren en te kwantificeren.

1. Kwantificering van de invloed van Textuur en Intensiteit

Om het relatieve belang van intensiteit versus textuur te bepalen, ontwikkelden de auteurs een patch-gebaseerde classificatietaak.

• Patch Extractie: $9 \times 9$ pixel patches werden geëxtraheerd uit VessMAP-beelden. Twee scenario's werden getest: patches die alleen vaatpixels bevatten ($f=100\%$) en patches die vaatranden bevatten met variërende fracties vaatpixels ($f=75\%, 50\%$).
• Perturbaties: Drie variaties van de dataset werden gecreëerd om specifieke kenmerken te verwijderen:
  • Intensiteit Normalisatie ($D_{-i}$): Pixelwaarden werden genormaliseerd naar een gemiddelde van nul en een standaarddeviatie van één, waardoor absolute intensiteit en variantie werden verwijderd.
  • Pixel Shuffling ($D_{-t}$): Pixelposities binnen elke patch werden willekeurig gehusseld, waardoor de ruimtelijke textuur werd vernietigd terwijl de intensiteitswaarden behouden bleven.
  • Homogenisering ($D_{-i,-t}$): Zowel normalisatie als shuffling werden toegepast.
• Evaluatie: Een eenvoudig residueel netwerk werd getraind om deze patches te classificeren als vat of achtergrond.

2. Isoleren van Vormkenmerken

Om de bekwaamheid te beoordelen om vaten te segmenteren op basis van louter geometrie, creëerden de auteurs twee datasets waarbij de interne verschijning van het vat werd verwijderd:

• Contour Dataset ($D_c$): De inputbeelden bevatten alleen de contouren van de vaten (randen), met de originele pixelintensiteiten behouden op de contourlocaties.
• Centerline Dataset ($D_s$): De inputbeelden bevatten alleen de middellijnen van de vaten, met de originele intensiteiten behouden op deze punten.
• Evaluatie: U-Net en W-Net architecturen werden getraind om volledige segmentatiemaskers te voorspellen vanuit deze ijle vorm-inputs.

3. Analyseren van Receptief Velden (RF) Vereisten

De studie onderzocht de relatie tussen modelarchitectuur, de grootte van het receptief veld en prestaties met behulp van twee benaderingen:

• Architecturale Variatie: 160 U-Net configuraties werden getraind met variërende kernelgroottes ($1, 3, 5, 7$), dilatieratio's ($2, 3, 7$) en downsampling-strategieën. Het Theoretische Receptive Field (TRF) en het Effective Receptive Field (ERF) werden voor elk gemeten.
• Context Beperking: Het basismodel werd getraind op niet-overlappende patches van variërende groottes ($4 \times 4$ tot $512 \times 512$) om de minimale context te bepalen die nodig is voor optimale prestaties.

Belangrijkste Resultaten

Textuur vs. Intensiteit

• Dominantie van Intensiteit: Pixelintensiteit bleek belangrijker dan lokale textuur. Het verwijderen van intensie-informatie ($D_{-i}$) veroorzaakte een grotere daling in nauwkeurigheid dan het verwijderen van textuur via shuffling ($D_{-t}$).
• Robuustheid tegen Perturbatie: Verrassend genoeg, zelfs wanneer zowel intensiteits- als textuurkenmerken werden verwijderd (Homogene dataset $D_{-i,-t}$), behielden de netwerken een classificatienauwkeurigheid boven de 75%, wat suggereert dat ze andere statistische kenmerken benutten die niet expliciet zijn geanalyseerd.
• Rol van de Randen: Het opnemen van vaatranden in de patches verbeterde de classificatienauwkeurigheid aanzienlijk, wat aangeeft dat lokale rand-gebaseerde context een sterke aanwijzing is.

Vormkenmerken

• Onvoldoende door Vorm Alleen: CNN's faalden in het betrouwbaar reconstrueren van de volledige vasculaire geometrie op basis van louter vormkenmerken:
  • Bij het gebruik van contouren ($D_c$) bereikte het beste model (W-Net) een Dice-score van 54,4%.
  • Bij het gebruik van middellijnen ($D_s$) bereikte het beste model (U-Net) een Dice-score van 57,0%.
  • In tegenstelling hiertoe bereikten modellen getraind op volledige data een Dice van ~90%.
• Oversegmentatie: Modellen die uitsluitend op vormkenmerken vertrouwden, vertoonden een hoge sensitiviteit maar een zeer lage specificiteit (bijv. 12% specificiteit voor U-Net op $D_c$), wat leidde tot significante oversegmentatie. Dit geeft aan dat huidige CNN's de diameter van een vat niet kunnen extrapoleren zonder interne verschijningsinformatie.

Receptief Veld en Context

• ERF Verzadiging: Het Effective Receptive Field (ERF) dat door de netwerken werd benut, convergeerde naar ongeveer 20 pixels voor de overwogen taken.
• Kernelgrootte: De prestaties namen toe met de gemiddelde kernelgrootte, maar plateauerden rond een gemiddelde kernelgrootte van 3 ($3 \times 3$ kernels). Grotere kernels leverden geen significante winst op, wat suggereert dat het ERF niet uitbreidt om het volledige theoretische veld te benutten wanneer dat niet nodig is.
• Patchgrootte:
  • Voor VessMAP (microscopie) verzadigden de prestaties bij een patchgrootte van $32 \times 32$, wat aangeeft dat lokale context voldoende is.
  • Voor DRIVE (fundus) verzadigden de prestaties niet binnen het geteste bereik, wat wijst op een bescheiden voordeel van grotere globale contexten, waarschijnlijk door de aanwezigheid van globale anatomische landmerken (bijv. de optische schijf).

Betekenis en Claims

Het artikel claimt een kwantitatieve basis te bieden voor het auditeren en verfijnen van deep learning-systemen in de vasculaire beeldvorming. De belangrijkste bijdragen zijn:

1. Diagnostische Template: De methodologie biedt een gestructureerde aanpak om de invloeden van vorm, textuur en context op modelbeslissingen te ontrafelen.
2. Empirisch Bewijs over RF: De bevinding dat het ERF verzadigt bij ~20 pixels suggereert dat lichtgewicht, efficiënte CNN's kunnen worden afgestemd voor lokale vasculaire delineatie zonder de computationele overhead van onnodig diepe netwerken of globale aandachtsmecanismen (zoals Transformers).
3. Interpreteerbaarheids-Roadmap: De resultaten benadrukken dat modellen zwaar leunen op lokale intensiteit en textuur in plaats van globale vormextrapolatie. Dit inzicht wordt voorgesteld als basis voor het ontwikkelen van Explainable AI (XAI) kaders die beslissingen kunnen toeschrijven aan specifieke kenmerken (intensiteit vs. vorm), wat clinici helpt te bepalen of een model vaten identificeert op basis van anatomie of wordt misleid door lokale artefacten.

De auteurs blijven bescheiden en erkennen dat deze bevindingen empirische observaties zijn, afgeleid van specifieke datasets (VessMAP, DRIVE) en architecturen (U-Net varianten), en mogelijk niet universele eigenschappen van alle neurale netwerken over alle medische modaliteiten vertegenwoordigen.