Probabilistic Deep Learning for Histopathological Images: Overcoming the Labeling Bottleneck of Computer-Aided Diagnosis

Abstract

In the medical domain, there is an increasing need for artificial intelligence models that can improve the reliability, reproducibility, and efficiency of diagnostic processes. However, acquiring large labeled datasets for training these models poses a significant challenge in comparison to other domains, resulting in a bottleneck in the development of computeraided diagnostic systems. To address this problem, this thesis investigates various learning paradigms that enable training with limited or imperfect annotations for histopathological images: multiple instance learning, active learning, and crowdsourcing. Notably, these paradigms involve uncertainties arising from missing or imperfect information which must be taken into account. This thesis introduces novel probabilistic deep learning models that effectively address these uncertainties in a principled way by leveraging probability theory. They offer improved performance and provide probabilistic outputs, enabling the estimation of the confidence level associated with model predictions. The proposed models are based on Gaussian processes, Bayesian neural networks, and probabilistic generative models, tailored to each labeling paradigm and corresponding uncertainties. We establish the theoretical foundations of these models and demonstrate their practical usefulness through extensive experiments conducted on various publicly available datasets. Our findings demonstrate promising performance in histopathological image analysis, offering reliable clinical decision support even in scenarios with limited data availability. By contributing to the advancement of computer-aided diagnosis systems, the proposed models can enhance the quality of diagnostic processes, which ultimately allows an improved treatment of patients.

En el ámbito médico, existe una necesidad creciente de modelos de inteligencia artificial que puedan mejorar la fiabilidad, reproducibilidad y eficiencia de los procesos de diagnóstico. Sin embargo, la adquisición de grandes conjuntos de datos etiquetados para el entrenamiento de estos modelos plantea un reto importante en comparación con otros dominios, lo que supone un desafío en el desarrollo de sistemas de diagnóstico asistido por ordenador. Para abordar este problema, esta tesis investiga varios paradigmas de aprendizaje que permiten el entrenamiento con anotaciones limitadas o imperfectas para imágenes histopatológicas: aprendizaje con múltiples instancias, aprendizaje activo y crowdsourcing. En particular, estos paradigmas implican incertidumbres derivadas de la falta de información o de información imperfecta que deben tenerse en cuenta. Esta tesis introduce nuevos modelos de aprendizaje profundo probabilístico que abordan eficazmente estas incertidumbres basadas en principios de la teoría de la probabilidad. Ofrecen un rendimiento mejorado y proporcionan salidas probabilísticas, lo que permite estimar el nivel de confianza asociado a las predicciones del modelo. Los modelos propuestos se basan en procesos gaussianos, redes neuronales bayesianas y modelos generativos probabilísticos, adaptados a cada paradigma de etiquetado y a las incertidumbres correspondientes. Establecemos los fundamentos teóricos de estos modelos y demostramos su utilidad práctica mediante amplios experimentos realizados en bases de datos públicas. Nuestros experimentos demuestran un rendimiento prometedor en el análisis de imágenes histopatológicas, ofreciendo un apoyo fiable a la toma de decisiones clínicas incluso en escenarios con disponibilidad limitada de datos. Al contribuir al avance de los sistemas de diagnóstico asistido por ordenador, los modelos propuestos pueden mejorar la calidad de los procesos de diagnóstico y mejorar el tratamiento de los pacientes.