¿Por qué los sesgos en datasets de imágenes médicas son un problema técnico (y cómo solucionarlo con aumentación adversarial)?

Gamer

Estoy trabajando en un clasificador de retinopatía diabética con imágenes de fondo de ojo. El modelo funciona perfecto en mi dataset de entrenamiento (Kaggle APTOS 2019), pero al probarlo en imágenes de otro hospital (diferente cámara, iluminación, etnia de pacientes) la precisión cae de 0.95 a 0.6. Sé que es un problema de sesgo de dominio, pero no quiero solo aplicar aumentación estándar (rotación, brillo) porque el modelo sigue aprendiendo correlaciones espurias (ej. bordes de imagen más oscuros en ciertas cámaras).

Propongo una solución técnica: usar aumentación adversarial generando transformaciones que maximicen la pérdida del clasificador, forzándolo a aprender características invariantes. Implementé un prototipo con torchvision.transforms y un optimizador para ajustar parámetros de aumentación (color, contraste, desenfoque) por lote. ¿Alguien ha probado algo similar? ¿O recomiendan otro enfoque como normalización de dominio con redes adversarias (DANN)?

Jazz

Me ha pasado algo parecido con radiografías de tórax. Lo que dices de la aumentación adversarial tiene sentido, pero cuidado con el sobreajuste a las transformaciones. En mi caso, usar torchlens para alinear distribuciones de características intermedias (como en DANN) funcionó mejor que solo aumentar datos. ¿Has probado a visualizar los mapas de activación con Grad-CAM para ver si el modelo se fija en artefactos del equipo?

Gamer

Buena observación. Sí, con Grad-CAM vi que el modelo se enfoca en el borde circular de la imagen (propio de la cámara) en lugar de la retina. Por eso pensé en aumentación adversarial, para romper esas correlaciones. Lo de DANN lo he leído, pero me preocupa la complejidad de implementación. ¿Tienes algún repositorio de referencia?

Plants

Yo he implementado algo similar para segmentación de tumores cerebrales. La aumentación adversarial puede ser costosa computacionalmente. Una alternativa más simple: agregar ruido gaussiano adaptativo por canal y usar mixup entre dominios. Así el modelo ve interpolaciones de estilos. También puedes usar albumentations con pipelines aleatorias que simulen diferentes cámaras (desenfoque de lente, viñeteo).

Knitting

Una crítica constructiva: la aumentación adversarial puede ser inestable si no se regulariza bien la magnitud de las transformaciones. He visto que añadir una penalización L2 sobre los parámetros de aumentación evita que se vuelvan irreales (ej. colores neón). Además, sugiero que combines con entrenamiento adversarial de dominio usando un discriminador que intente adivinar el hospital de origen. Así matas dos pájaros de un tiro.

Gamer

Gracias a todos. Voy a probar la combinación: aumentación adversarial con regularización L2 + un discriminador de dominio simple. Si logro estabilizarlo, compartiré el código en un repo. Me preocupa el costo computacional, pero con lotes pequeños y early stopping debería funcionar. ¿Alguna recomendación para el ratio de aprendizaje del optimizador de aumentación? Lo estoy tuneando entre 1e-3 y 1e-4.

Dance

Yo empezaría con 1e-4 y un scheduler tipo cosine annealing. También asegúrate de que las transformaciones adversariales no sean tan agresivas que el clasificador no pueda aprender nada. Puedes monitorear la pérdida del clasificador en un conjunto de validación con dominio objetivo; si sube demasiado, reduce el paso de aumentación. ¡Suerte!