BreastMammo and DenseMammo: Benchmarks for Mammography Domain Generalization

Stel je een wereld voor waarin artsen een superkrachtige bril hebben die door het menselijk lichaam heen kan kijken om problemen te ontdekken voordat ze een crisis worden. Dit is de belofte van Kunstmatige Intelligentie (AI) in de geneeskunde, specifs bij het bekijken van mammogrammen — speciale röntgenfoto's van de borst. Al jaren trainen wetenschappers deze AI-"brillen" om borstkanker op te sporen, maar ze zijn tegen een frustrerende muur gelopen. Je ziet, elk ziekenhuis gebruikt andere röntgenmachines van verschillende bedrijven, een beetje zoals elk merk camera foto's met net iets andere kleuren en belichting maakt. Een AI die getraind is op foto's van één merk, raakt vaak in de war wanneer hij foto's van een ander merk ziet. Het is alsof je een student leert een kat te herkennen met behulp van foto's in slechts één specifieke kunststijl; wanneer je hem een foto laat zien in een andere stijl, herkent hij misschien niet eens dat het dezelfde kat is. Deze verwarring wordt "domain shift" genoemd, en dit is een groot probleem omdat het betekent dat een AI die perfect werkt in het ene ziekenhuis, kan falen in het volgende, wat kan leiden tot een gemiste diagnose.

Dit artikel introduceert een slimme nieuwe manier om die verwarring op te lossen. De onderzoekers hebben twee gloednieuwe sets mammogramdata gemaakt, genaamd BreastMammo en DenseMammo, die fungeren als een enorme, diverse oefentoets voor AI. Maar de echte magie zit niet alleen in de data; het is een nieuwe techniek die ze hebben uitgevonden om de AI te leren de "stijl van de camera" te negeren en zich alleen te concentreren op de "kat". Ze noemen dit foreground-only histogram matching. Denk aan een fotobewerker die precies weet welke delen van de foto het werkelijke borstweefsel zijn en welke delen gewoon de lege zwarte ruimte zijn. In plaats van te proberen de hele afbeelding aan te passen (inclusief de nutteloze zwarte achtergrond), past de AI alleen de helderheid en het contrast van het weefsel zelf aan om een standaard uiterlijk te evenaren. Door dit te doen, leert de AI de vorm en textuur van het weefsel te herkennen, ongeacht welke machine de foto heeft gemaakt. De resultaten zijn veelbelovend: toen ze deze methode testten op data van ziekenhuizen die ze nog nooit eerder hadden gezien, werd de AI veel beter in het opsporen van dicht weefsel en het onderscheiden tussen goedaardige en kwaadaardige gevallen, waarbij het andere populaire methoden die probeerden het probleem op een andere manier op te lossen, overtrof.

Het Probleem: Het "Camerafilter"-probleem

Stel je voor dat je een robot probeert te leren om appels te identificeren. Je laat het de robot duizenden foto's van rode appels zien, genomen in een zonnige keuken. De robot leert dit perfect. Maar dan neem je de robot mee naar een andere keuken waar het licht gedimd en geel is, en de appels er oranje uitzien. De robot raakt in paniek. "Is dit een appel?" vraagt hij. "Het ziet er niet uit als de appels die ik ken!"

In de wereld van de mammografie gebeurt dit precies. Ziekenhuizen gebruiken verschillende röntgenmachines (van leveranciers zoals GE, Hologic of Siemens), en elke machine verwerkt het beeld op een iets andere manier. De ene maakt het weefsel heel helder en met een hoog contrast, terwijl de andere het zachter en grijzer maakt. Wanneer een AI-model wordt getraind op data van slechts één of twee ziekenhuizen, leert het de "stijl" van die machines net zo goed kennen als de eigenlijke ziekte. Als je dat model vervolgens naar een derde ziekenhuis stuurt met een andere machine, raakt het in de war. Het artikel noemt dit domain shift. Het is een grote hindernis omdat het betekent dat we niet zomaar één "perfecte" AI kunnen bouwen en deze overal kunnen gebruiken; we hebben een manier nodig om de AI immuun te maken voor deze camer Verschillen.

De Nieuwe Data: Een Massale Oefenbibliotheek

Om dit op te lossen, hadden de onderzoekers eerst betere oefenmaterialen nodig. Ze introduceerden twee nieuwe datasets:

1. BreastMammo: Dit is een collectie van 894 afbeeldingen van 447 patiënten. Dit zijn "diagnostische" afbeeldingen, wat betekent dat ze zijn gemaakt wanneer een patiënt al een symptoom of een knobbeltje had. Elke patiënt heeft twee aanzichten van één borst (een bovenaanzicht en een zijaanzicht). De afbeeldingen zijn gelabeld met of het knobbeltje goedaardig (onschadelijk) of kwaadaardig (kankerachtig) was, en ze bevatten de borstdichtheidscategorie van de patiënt.
2. DenseMammo: Dit is een grotere "screening"-dataset met 2.480 afbeeldingen van 620 patiënten. Dit zijn routinecontroles voor mensen zonder symptomen. Elke patiënt heeft hier een volledige set van vier aanzichten (beide borsten, elk vanuit twee hoeken).

Beide datasets zijn zorgvuldig samengesteld met deskundige labels voor borstdichtheid (categorieën A tot en met D) en zijn beschikbaar voor andere wetenschappers om te gebruiken. Het doel was om een gestandaardiseerde "testbaan" te creëren waar iedereen zijn AI-modellen onder dezelfde regels kon laten racen.

De Oplossing: De "Alleen Weefsel"-filter

De onderzoekers realiseerden zich dat eerdere pogingen om het "camera-stijl"-probleem op te lossen fouten maakten. Sommige methoden probeerden de "kenmerken" van verschillende afbeeldingen met elkaar te mengen, wat lijkt op het mengen van verfkleuren om een nieuwe tint te creëren. Het probleem is dat dit per ongeluk de minuscule, belangrijke details van de weefseltextuur kan vervagen. Andere methoden probeerden de "frequentie" van de afbeelding te veranderen (zoals het aanpassen van de bas en de hoge tonen bij een liedje), maar dit verstoorde vaak de achtergrond en voegde vreemde ruis toe aan de lege zwarte delen van de röntgenfoto.

Het team stelde een nieuwe aanpak voor: Foreground-Only Histogram Matching.

Zo werkt het, met een eenvoudige analogie:
Stel je voor dat je een zwart-witfoto hebt van een bos (het borstweefsel) op een stuk papier. Het papier heeft een enorme zwarte rand omheen (de lege ruimte in de röntgenfoto).

• Oude methoden probeerden de helderheid van het volledige stuk papier aan te passen, inclusief de zwarte rand. Dit is slecht, want de rand is slechts lege ruimte; het aanpassen ervan helpt je niet om de bomen beter te zien, en het kan de bomen zelfs vreemd laten lijken.
• De nieuwe methode plaatst een masker over de zwarte rand. Het zegt: "Negeer dit deel. We geven alleen om de bomen." Vervolgens kijkt het naar het "histogram" (een grafiek die laat zien hoeveel pixels donker, licht of daartussenin zijn) van alleen de bomen. Daarna past het de helderheid van de bomen in de bronfoto aan, zodat ze overeenkomen met de helderheid van de bomen in een referentiefoto.

Cruciaal is dat ze niet alleen de stijlen uitwisselen; ze creëren een vloeiend verloop. Ze genereren nieuwe "synthetische" afbeeldingen die een mix zijn van de originele en de nieuwe stijl. Ze maken vier versies van elke afbeelding door de stijlen te mengen op 25%, 50%, 75% en 100%. Dit leert de AI dat hetzelfde weefsel er iets anders uit kan zien afhankelijk van de machine, maar dat het nog steeds hetzelfde weefsel is.

De Resultaten: Werkt het?

De onderzoekers testten hun nieuwe systeem met behulp van een krachtig AI-model genaamd de Swin Transformer. Ze voerden twee soorten tests uit:

1. De Interne Test (De Oefenronde)
Ze trainden de AI op hun eigen nieuwe datasets (BreastMammo en DenseMammo) en controleerden hoe goed deze presteerde op dezelfde data met behulp van een 5-voudige kruisvalidatie (een rigoureuze manier van gegevens splitsen om te garanderen dat het model niet simpelweg de gegevens uit het hoofd leert).

• Het resultaat: Het Swin Transformer-model bereikte een piek AUC van 98,32% op de DenseMammo-dataset voor dichtheidsclassificatie. Dit is een zeer hoge score, wat aangeeft dat het model extreem goed is in de taak wanneer het de data goed kent.
• Ze ontdekten ook dat het gebruik van afbeeldingen met een hogere resolutie (512x512 pixels) niet veel hielp vergeleken met de standaardgrootte (224x224), waarschijnlijk omdat de AI al getraind was op standaardformaten.

2. De Externe Test (De Uitdaging in de Echte Wereld)
Dit is het belangrijkste deel. Ze namen de AI die op hun data was getraind en testten deze op twee volledig andere datasets van andere ziekenhuizen: TNMammo en LUMINA. Deze datasets gebruiken andere machines en andere stijlen, wat het probleem van de "domain shift" vertegenwoordigt.

• Zonder hun methode: De AI had moeite. Op TNMammo was de AUC 83,46%. Op LUMINA was de AUC 81,72%.
• Met hun methode: De AI verbeterde aanzienlijk. Op TNMammo sprong de AUC naar 86,38%. Op LUMINA steeg deze naar 86,13%.
• Vergelijking: Ze vergeleken hun methode met andere populaire technieken zoals MixStyle (die kenmerken mengt) en DFT (die frequentiepatronen uitwisselt). Hun "foreground-only" methode presteerde consequent beter dan deze andere benaderingen.

Waarom het ertoe doet

Het artikel suggereert dat door zich strikt op het weefsel te concentreren en de lege achtergrond te negeren, de AI een "universele" manier leert om de borst te zien die werkt over verschillende machines heen. De auteurs stellen dat het proberen te corrigeren van de hele afbeelding (inclusief de achtergrond) ruis en verwarring introduceert, terwijl hun gerichte aanpak de delicate texturen die nodig zijn voor de diagnose behoudt.

Uiteindelijk gaat dit niet alleen over het behalen van een hogere score op een test. Het gaat over het bouwen van AI die overal ter wereld in elk ziekenhuis vertrouwd kan worden. Als een AI kan leren om de "camerafilter" te negeren en zich te concentreren op de "kat", kan het artsen overal helpen om borstkanker eerder en nauwkeuriger te detecteren, ongeacht de apparatuur die zij hebben. De onderzoekers hebben hun data en code openbaar gemaakt, in de hoop dat deze "alleen weefsel"-truc een standaardinstrument zal worden voor het bouwen van betere, meer betrouwbare medische AI.