обновил документы

2026-09-23 08:51:17 +03:00
parent 97fc9ec0ee
commit 3e2dbde863
2 changed files with 0 additions and 393 deletions
@@ -1,15 +0,0 @@
 # Source Article Plan
 Этот каталог содержит архивную копию исходного плана экспериментов, вынесенного из обзорной статьи о текстурных признаках.
 Основной файл:
 - [experiment_plan.md](../../plan/source_article_plan/experiment_plan.md)
 Назначение каталога:
 - сохранить исходную формулировку экспериментов, непосредственно следующую из обзорной статьи;
 - использовать ее как traceability-слой при переходе к более прикладному и дата-ориентированному плану;
 - не редактировать этот файл как основной рабочий документ.
 Актуальный переработанный рабочий план находится в [plan/current/experiment_plan_detailed.md](../../plan/current/experiment_plan_detailed.md).
@@ -1,378 +0,0 @@
 # План экспериментов по теме резидуальных лимфо- и миелобластов
 ## 1. Назначение документа
 Этот документ является вынесенным из основной обзорной статьи планом экспериментов. Его задача — перевести выводы обзора литературы в конкретные, проверяемые и пригодные к реализации экспериментальные шаги. Основная статья отвечает на вопрос, что известно из литературы. Этот файл отвечает на вопрос, что именно следует проверять дальше в рамках диссертационной работы.
 ## 2. Логика перехода от обзора к экспериментам
 Из обзора вытекают четыре устойчивых наблюдения.
 1. Классические текстурные признаки по-прежнему полезны, если данных мало, если нужна интерпретируемость и если требуется понять, какие именно свойства клетки дают вклад в решение.
 2. Нейросетевые модели обычно дают более высокий потолок качества, но сильнее зависят от объема и однородности данных.
 3. Интерпретируемость нейросетей сама по себе является отдельной исследовательской задачей, потому что в медицине важно не только качество, но и понимание class-specific признаков лимфобластов и миелобластов.
 4. Большинство работ заканчивается на уровне одиночной клетки, тогда как для автоматического анализатора нужно решать задачу на уровне всего препарата.
 Поэтому план экспериментов разделен на четыре направления:
 1. интерпретируемый morpho-texture baseline;
 2. гибридная модель для ограниченного объема данных и доменного сдвига;
 3. интерпретируемые нейросетевые и transformer-подобные модели для поиска новых признаков;
 4. анализаторно-ориентированная slide-level схема поиска и подтверждения бластов.
 ## 3. Эксперимент 1. Интерпретируемый morpho-texture baseline
 ### 3.1. Исследовательский пробел
 Во многих работах текстурные признаки показывают хорошие результаты, но сравнение с современными нейросетями часто проводится на разных наборах данных или в разных условиях валидации. Из-за этого трудно понять, насколько классические признаки действительно сильны сами по себе.
 ### 3.2. Гипотеза
 Компактный набор морфологических, цветовых и текстурных признаков способен обеспечить конкурентоспособное и интерпретируемое различение классов `бласт / не бласт` на изображениях препаратов крови в монослое, если оценка ведется честно: с patient-level разделением и на одинаковых данных для всех baseline-моделей.
 Дополнительная частная гипотеза состоит в том, что разные подсемейства признаков будут по-разному работать для лимфобластов и миелобластов: для лимфобластов больший вклад внесут признаки ядерно-цитоплазматического отношения и внутрядерной однородности, а для миелобластов --- признаки нуклеол, цитоплазматической неоднородности и локальной гранулярности.
 ### 3.3. Данные
 - Основной целевой корпус: изображения клеток из препаратов крови в монослое после экспертной разметки.
 - Вспомогательные публичные данные: совместимые single-cell blood-smear datasets для предварительной отладки пайплайна и выбора признаков.
 - Желательно заранее выделить три подмножества:
  - лимфобласты;
  - миелобласты;
  - небластные клетки и морфологически близкие distractor-классы.
 ### 3.4. Независимые переменные
 - Набор зон анализа:
  - вся клетка;
  - только ядро;
  - ядро и цитоплазма по отдельности;
  - клетка с явным выделением контура.
 - Семейство признаков:
  - морфометрические;
  - цветовые;
  - текстурные;
  - объединенные морфо-цвето-текстурные.
 - Тип текстурных дескрипторов:
  - GLCM и признаки Харалика;
  - LBP;
  - фрактальные признаки;
  - признаки Фурье;
  - вейвлет-признаки.
 - Тип классификатора:
  - SVM;
  - Random Forest;
  - XGBoost;
  - небольшой многослойный персептрон.
 ### 3.5. Зависимые переменные
 - accuracy;
 - balanced accuracy;
 - sensitivity отдельно для лимфобластов и миелобластов;
 - specificity;
 - macro-F1;
 - PR-AUC для редких blast-классов;
 - calibration error;
 - стабильность ranking признаков между повторными разбиениями;
 - согласие между top-признаками модели и экспертной морфологической интерпретацией.
 ### 3.6. Baseline-источники
 - `putzu2014leucocyte`
 - `rawat2017classification`
 - `dincic2021morphological`
 - `tarquino2023inmop`
 - `dasariraju2020detection`
 ### 3.7. Протокол
 1. Построить единый конвейер сегментации клетки, ядра и, если возможно, цитоплазмы.
 2. Извлечь полный набор признаков и затем провести два режима оценки:
   - без отбора признаков;
   - с отбором признаков по устойчивым критериям.
 3. Использовать patient-level split, чтобы клетки одного пациента не попадали одновременно в train и test.
 4. Выполнить повторяемую перекрестную проверку на обучающей части.
 5. Один раз финально оценить модель на отложенном тесте.
 6. Для лучших моделей отдельно построить профиль признаков для лимфобластов и миелобластов и проверить, насколько эти профили воспроизводятся у разных пациентов.
 ### 3.8. Важные абляции
 - убрать по одному семейству признаков;
 - сравнить whole-cell и nucleus-only режимы;
 - сравнить цветные и нормализованные по окраске изображения;
 - сравнить исходные признаки и признаки после уменьшения размерности.
 ### 3.9. Риски
 - ошибка сегментации может замаскировать реальную полезность текстурных признаков;
 - число бластов может оказаться слишком малым для устойчивой оценки подтипов;
 - часть пограничных незрелых клеток может иметь неоднозначную разметку.
 ## 4. Эксперимент 2. Гибридная модель для малого объема данных и доменного сдвига
 ### 4.1. Исследовательский пробел
 Современные нейросети часто показывают лучшие результаты на крупных стандартизованных наборах данных, но литература редко проверяет, помогают ли текстурные признаки удерживать качество при переносе между разными источниками изображений.
 ### 4.2. Гипотеза
 Гибридная модель, объединяющая нейросетевые embeddings и отобранные текстурные признаки, будет устойчивее, чем чисто нейросетевая и чисто классическая модели, в условиях малого объема данных и межлабораторного доменного сдвига.
 ### 4.3. Данные
 - Публичный blood-smear dataset для предобучения или первичного fine-tuning.
 - Внутренний диссертационный набор монослойных препаратов для внешней проверки переноса.
 - При возможности: второй внешний набор из другой лаборатории или другого сканера.
 ### 4.4. Независимые переменные
 - Тип представления:
  - handcrafted only;
  - deep only;
  - hybrid.
 - Тип backbone:
  - ResNet-подобная сеть;
  - более легкая CNN;
  - Vision Transformer или Swin-подобная модель;
  - замороженный feature extractor против частичного fine-tuning.
 - Способ объединения признаков:
  - простая конкатенация;
  - отбор признаков после конкатенации;
  - отдельные классификаторы с последующим late fusion.
 - Наличие и тип нормализации окраски.
 ### 4.5. Зависимые переменные
 - balanced accuracy на внутреннем и внешнем тесте;
 - macro-F1;
 - sensitivity для blast-классов;
 - expected calibration error;
 - устойчивость к смене домена;
 - стабильность ranking наиболее важных признаков;
 - согласие между объяснениями deep/hybrid-модели и экспертно выделенными областями ядра, нуклеол и цитоплазмы.
 ### 4.6. Baseline-источники
 - `acevedo2019recognition`
 - `matek2019human`
 - `schouten2021tens`
 - `hegde2019comparison`
 - `sulaiman2023resrandsvm`
 - `attallah2024wavelet`
 - `park2024blastdiff`
 - `katar2023xvit`
 - `uzen2024swinconvmixer`
 ### 4.7. Протокол
 1. Обучить базовую CNN на публичных данных.
 2. Сформировать нейросетевые embeddings для каждой клетки.
 3. Параллельно вычислить handcrafted-признаки для тех же клеток.
 4. Построить три варианта классификации:
   - только handcrafted;
   - только embeddings;
   - гибрид.
 5. Проверить модели в трех режимах:
   - обычный hold-out внутри одного домена;
   - cross-dataset evaluation;
   - low-shot adaptation на малом числе целевых примеров.
 6. Для лучших deep и hybrid моделей дополнительно сохранить карты внимания или значимости, чтобы затем оценить их морфологическую правдоподобность.
 ### 4.8. Абляции
 - с текстурными признаками и без них;
 - с цветовой нормализацией и без нее;
 - с ядром и без ядра как отдельной зоны анализа;
 - разное число отобранных признаков;
 - полное и частичное размораживание нейросети;
 - CNN против transformer-backbone при одинаковом объеме данных.
 ### 4.9. Риски
 - гибридная модель может переобучаться быстрее, чем чистая CNN;
 - при неаккуратном feature selection возможно скрытое подтекание информации из test;
 - монослойные препараты могут отличаться от публичных наборов сильнее, чем ожидается;
 - трансформер может проигрывать CNN в low-data режиме даже при более сложной архитектуре.
 ## 5. Эксперимент 3. Интерпретируемые нейросетевые и transformer-подобные модели для поиска новых признаков
 ### 5.1. Исследовательский пробел
 В литературе уже есть сильные deep-модели, но пока недостаточно ясно, какие именно морфологические признаки они используют при различении лимфобластов, миелобластов и небластных клеток. В результате нейросеть часто остается высокоточной, но слабо объяснимой, а ее потенциальная способность открывать новые class-specific признаки почти не используется систематически.
 ### 5.2. Гипотеза
 Если сравнивать CNN, transformer-подобные модели и интерпретируемое MIL на одинаковых данных и с одинаковыми разбиениями, то можно получить не только конкурентоспособное качество, но и воспроизводимые объяснения, отражающие морфологически осмысленные различия между лимфобластами и миелобластами.
 ### 5.3. Данные
 - Размеченные single-cell изображения с отдельными метками `лимфобласт`, `миелобласт`, `небласт`.
 - При наличии: case-level или slide-level набор с более грубыми метками для MIL.
 - Экспертные контуры или хотя бы точечные пометки для областей интереса:
  - ядро;
  - нуклеолы;
  - гранулы / палочки Ауэра;
  - подозрительные зоны цитоплазмы.
 ### 5.4. Независимые переменные
 - Тип архитектуры:
  - CNN;
  - Vision Transformer / Swin;
  - MIL.
 - Тип объяснения:
  - saliency map;
  - Grad-CAM-подобная тепловая карта;
  - attention rollout;
  - ranking клеток в MIL.
 - Тип целевой задачи:
  - `бласт / не бласт`;
  - `лимфобласт / миелобласт`;
  - slide-level `blast-positive / blast-negative`.
 ### 5.5. Зависимые переменные
 - balanced accuracy;
 - macro-F1;
 - sensitivity для лимфобластов и миелобластов;
 - IoU или другая мера перекрытия объяснений с экспертными областями интереса;
 - устойчивость объяснений между повторами обучения;
 - экспертная оценка клинической правдоподобности объяснений;
 - частота выявления новых, ранее не формализованных признаковых гипотез.
 ### 5.6. Baseline-источники
 - `hehr2023scemila`
 - `schouten2021tens`
 - `park2024blastdiff`
 - `katar2023xvit`
 - `iwata2025clinicalreliability`
 - `singi2025caremil`
 - `jammal2025neurobridgex`
 - `jammal2025causalformer`
 - `deltadahl2025cytodiffusion`
 ### 5.7. Протокол
 1. Обучить CNN, transformer-подобную модель и MIL-вариант на одинаковых patient-level разбиениях.
 2. Для каждой модели сгенерировать объяснения одного и того же типа или привести их к сопоставимому виду.
 3. Сравнить объяснения с экспертными областями интереса.
 4. Отдельно провести blinded review: показать эксперту только explanation maps и спросить, соответствуют ли они биологически правдоподобным признакам.
 5. Зафиксировать повторяющиеся class-specific паттерны и проверить, можно ли затем описать их классическими признаками.
 ### 5.8. Абляции
 - без цветовой нормализации и с ней;
 - без nucleus mask и с ней;
 - без специальных explanation loss и с ним, если такой используется;
 - CNN и transformer при одинаковом числе параметров;
 - cell-level обучение против MIL при более грубых метках.
 ### 5.9. Риски
 - explanation maps могут быть визуально убедительными, но нестабильными;
 - экспертная интерпретация объяснений может различаться между наблюдателями;
 - часть найденных паттернов может оказаться лабораторным артефактом, а не реальной морфологией.
 ## 6. Эксперимент 4. Анализаторно-ориентированное обнаружение бластов на уровне препарата
 ### 6.1. Исследовательский пробел
 Большая часть литературы заканчивается на уровне одиночной клетки. Для автоматического анализатора этого недостаточно: сначала нужно найти подозрительные клетки на препарате, а уже затем классифицировать их.
 ### 6.2. Гипотеза
 Whole-slide или wide-field стратегия поиска кандидатов с последующей blast-focused классификацией обеспечит более высокую чувствительность на уровне препарата, чем фиксированный обзор ограниченного числа клеток, особенно в редких и лейкопеничных случаях.
 ### 6.3. Данные
 - Slide-level набор препаратов с экспертным заключением `blast-positive / blast-negative`.
 - Отдельное подмножество с клеточными разметками для обучения второго этапа.
 - Желательно выделить сложную подгруппу:
  - лейкопеничные препараты;
  - препараты с редкими бластами;
  - препараты с артефактами и плохой окраской.
 ### 6.4. Независимые переменные
 - Режим обзора:
  - фиксированный обзор ограниченного числа клеток;
  - region-focused обзор;
  - whole-slide candidate mining.
 - Способ формирования кандидатов:
  - эвристическая сегментация;
  - detector;
  - ранний analyzer preclassifier.
 - Способ второго этапа:
  - handcrafted baseline;
  - hybrid model;
  - deep classifier.
 - Правило передачи кандидатов человеку:
  - по blast probability;
  - по uncertainty;
  - по комбинированному score.
 ### 6.5. Зависимые переменные
 - case-level sensitivity;
 - false negatives per slide;
 - false positives per slide;
 - число клеток, переданных на экспертную проверку;
 - время анализа одного препарата;
 - доля случаев, в которых анализатор не пропустил ни одного бласта.
 ### 6.6. Baseline-источники
 - `boldu2019automatic`
 - `wang2025advantages`
 - `dealmeida2023cytomorphologies`
 - `manescu2023apl`
 - `singi2025caremil`
 ### 6.7. Протокол
 1. Построить двухэтапный pipeline:
   - генерация кандидатов на уровне препарата;
   - blast-focused классификация кандидатов.
 2. Сравнить минимум три режима просмотра:
   - ограниченное число клеток;
   - локальный поиск по зонам интереса;
   - полный скан препарата.
 3. Оценивать результат не только по cell-level качеству, но и по итоговой чувствительности на уровне случая.
 4. Отдельно анализировать подгруппу лейкопеничных препаратов.
 5. Проверять, помогают ли explanation-aware правила ранжирования передавать на верификацию более правдоподобные кандидаты.
 ### 6.8. Абляции
 - ограничить число кандидатов, передаваемых на второй этап;
 - сравнить ranking по уверенности и по вероятности;
 - проверить, помогает ли текстурный score на этапе ранжирования кандидатов;
 - сравнить cell-level classifier и slide-level aggregation rule по отдельности.
 ### 6.9. Риски
 - разметка на уровне препарата дорога и неполна;
 - слабый первый этап может испортить результат даже при сильном втором этапе;
 - на редких бластах итоговые метрики могут сильно колебаться.
 ## 6. Общие требования к валидности
 Для всех трех направлений необходимо контролировать:
 1. отсутствие утечки изображений одного пациента между train, validation и test;
 2. явное разделение внутренней настройки модели и финального теста;
 3. учет межлабораторного и межприборного доменного сдвига;
 4. отдельную оценку редких классов, а не только общей accuracy;
 5. хранение версий разметки и фиксацию спорных клеток;
 6. обязательное сравнение как минимум одного классического, одного нейросетевого и одного гибридного baseline.
 ## 7. Приоритет реализации
 Если двигаться поэтапно, то оптимальная очередность такая:
 1. сначала завершить Эксперимент 1 и получить интерпретируемый baseline;
 2. затем строить Эксперимент 2 как наиболее содержательное сравнение с нейросетями;
 3. после стабилизации cell-level моделей переходить к Эксперименту 3.
 Такая очередность позволяет не терять интерпретируемость на раннем этапе и при этом постепенно приближать работу к задаче полноценного автоматического анализатора препаратов крови в монослое.