用于筛查性乳腺X线摄影中乳腺癌检测的标注高效、基于图像块、可解释的课程式深度学习方法
研究纳入三家中心1976例筛查性乳腺X线摄影(988例病理证实乳腺癌,988例阴性),开发基于图像块和课程学习的深度学习模型,在强标注比例0%、20%、40%、100%下训练。课程20模型F1为82.41±0.47,优于基线80.55±0.88;外部数据集4276例中课程100模型F1最高78.73±1.25,基线最低74.65±1.35。
要点
- 仅用20%强标注的课程20模型F1为82.41±0.47,高于仅图像级标注基线的80.55±0.88。
- Grad-CAM真值重叠比课程100模型为64.18±1.37,基线为60.26±1.91,课程模型可解释性更高。
- 外部数据集4276例中课程100模型F1为78.73±1.25,基线为74.65±1.35,性能趋势与内部测试一致。
核心结论
- 采用课程法和基于图像块方法训练的深度学习模型在有限密集标注数据下取得满意性能和可解释性,为在大规模乳腺X线摄影数据集部署深度学习提供了有前景的途径。
研究设计与样本
- 研究为回顾性分析,数据来自三家附属私立大学医院2020年1月至2022年1月的记录,纳入18233名接受机会性筛查乳腺X线摄影的成年女性。
- 最终研究样本为1976例乳腺X线摄影(中位年龄52岁,IQR 9),其中988例(50%)为病理证实乳腺癌、988例(50%)为阴性,每例患者仅纳入一次乳腺X线摄影。
- 开发集包括1482名女性(75%),其余494名女性(25%)构成留出内部测试集;外部验证集为州立医院2018年1月至2020年1月的4276例乳腺X线摄影(2138例乳腺癌、2138例阴性)。
- 所有检查均为2D数字乳腺X线摄影,包括每侧乳房的头尾位(CC)和内外斜位(MLO);开发集使用Senographe Essential、Lorad Selenia和Selenia Dimensions,外部集使用MAMMOMAT Revelation。
- 参考标准为三位乳腺放射科医师共识标注的边界框,分歧时按三取二多数决定;模型为基于ResNeXt50_32x4d的多尺度图像块预训练模型,采用课程学习逐步增大图像块尺寸。
关键影像表现/征象
- 模型输入为乳腺X线摄影图像块,阳性图像块定义为与标注癌灶区域重叠超过一半,阴性图像块为重叠小于10%,重叠10%至50%的图像块不用于训练。
- 图像预处理采用图像块大小400像素、步长80、黑色阈值30%,裁剪填充为正方形后统一缩放至1024×1024像素,并相应调整边界框。
- 课程学习依次使用128×128、256×256、512×512像素图像块,最后阶段使用全尺寸乳腺X线摄影图像。
- 可解释性通过Grad-CAM热图与放射科医师标注边界框的真值重叠比定量评估,100表示可解释性极好,0表示最差。
诊断标准与关键数值
- 内部测试集F1评分:基线模型80.55±0.88,课程20模型82.41±0.47,课程40模型83.03±0.31,课程100模型83.95±0.55。
- 内部测试集真值重叠比:基线模型60.26±1.91,课程20模型62.13±1.2,课程40模型62.26±1.52,课程100模型64.18±1.37。
- 外部测试集F1评分:基线模型74.65±1.35,课程20模型77.77±0.73,课程40模型78.23±1.78,课程100模型78.73±1.25。
- 模型性能在乳房水平使用召回率、精确率和F1评分衡量,各模型结果取十次训练运行的均值和标准差。
- 真值重叠比仅对癌症患者计算,因为模型训练目标是检测癌灶,而良性病变或阴性乳腺X线摄影(BI-RADS 1-2)视为阴性病例、不提供边界框。
临床应用与阅片要点
- 原文未据此给出临床推荐。
局限性
- 对照组从17245例减少至988例以匹配乳腺癌组数量,原文承认这可能引入偏倚。
- 原文未进行独立的地面真值验证,因为研究目的不是评估读者间可靠性。
- 小于128×128像素的图像块因生成数量达数百万至数十亿、使可靠训练不可行而被排除。
全文中译15 节 · 点击展开
引言
乳腺X线筛查在乳腺癌早期检测中具有关键作用,这归因于其可及性、成本效益以及在发现异常方面可靠的准确性[1, 2]。然而,对乳腺X线图像分析需求的日益增长给放射科医生带来了相当大的挑战。这包括报告生成延迟、筛查遗漏以及诊断不准确风险增加[3–6]。
在过去几年中,硬件和软件的演进以及数字医疗数据的快速增长,使深度学习(DL)成为一种可行的方法。DL帮助医疗专业人员诊断各种疾病并管理众多任务[7–10]。该技术对乳腺X线摄影产生了显著影响,多项研究表明DL在检测乳腺癌方面可以表现得与放射科医生相当或超越他们[11, 12]。
乳腺X线摄影中的DL模型需要对大型数据集进行广泛训练,才能达到与放射科医生相当的准确性。[13–15]。DL模型的另一个特征,尤其是在计算机视觉领域,是在提供真实标签的监督训练模式下性能得到改善。与依赖图像级或扫描级注释的弱监督相比,涉及像素级或边界框注释的强监督下这种提升更为明显。
使用弱级注释训练DL模型的一个显著挑战是产生“黑箱”或“不透明”输出[12]。为缓解这一问题所做的努力促成了可解释人工智能(XAI)框架下各种技术的发展[16]。
虽然获取医学扫描的扫描级注释相对简单,例如,乳腺X线摄影通过对放射学报告应用自然语言处理而更为复杂。鉴于乳腺X线扫描的高分辨率和病灶通常较小的尺寸,强注释(如精确的病灶标记)可以显著提升模型性能。然而,这种方法需要专家放射科医生的参与,而他们的时间本已是稀缺资源[17]。
事实上,这种稀缺性正是将DL技术应用于乳腺X线筛查以进行乳腺癌诊断的首要动机[18]。因此,开发结合强监督和弱监督的数据高效训练方法可能非常有益。
在本研究中,我们设计了一个使用图像块和课程学习方法训练的DL模型。我们将其与基于图像级注释训练的基线DL模型在检测乳腺癌方面的性能进行了比较。我们在来自不同中心的外部数据集(n = 4276)的乳腺X线检查上测试了所提出的方法。此外,我们探索了所提出的模型是否能通过梯度加权类激活映射(Grad-CAM)以真实重叠率进行定量评估来获得更好的可解释性[19–21]。
方法
研究样本
本研究经当地伦理委员会批准开展,该委员会同时豁免了知情同意的需要,因为这是对去标识化医疗记录的回顾性分析。我们使用了三家附属私立大学医院的数据,审查了2020年1月至2022年1月期间医院信息系统和图像存档与通信系统中的记录。本研究聚焦于接受机会性筛查乳腺X线摄影的成年女性,共计18233名女性。
所有检查均为二维数字乳腺X线摄影检查,包括每侧乳房的头尾位(CC)和内外侧斜位(MLO)视图。乳腺X线摄影图像使用Senographe Essential(GE Healthcare,芝加哥,伊利诺伊州,美国)、Lorad Selenia和Selenia Dimensions(Hologic Inc.,马尔伯勒,马萨诸塞州,美国)获取。我们排除了在筛查乳腺X线摄影之前有乳腺手术、放疗或化疗史的患者,共排除106例。
随后我们选取了在筛查后经后续病理学诊断为乳腺癌的女性,构成我们的乳腺癌样本(n = 988)。我们的选取涵盖了乳腺癌中识别出的所有病变类型,包括肿块、微钙化或其组合,以反映临床表现的多样性。
对于对照组,我们纳入了乳腺影像报告和数据系统(BI-RADS)评分为1或2分(提示无癌症嫌疑)且至少一年后进行了随访筛查或确认良性病理的女性。为在分析中使两组数量对齐,我们将对照组规模从17,245例缩减至988例,以与乳腺癌组相等,同时认识到此举可能引入偏倚。
我们通过分层随机抽样来处理欠采样带来的偏倚,确保对照组准确反映更广泛人群的特征,包括年龄和BI-RADS评分。随后研究数据集按75%/25%的比例划分为开发集(包括训练和验证子集)和留出的内部测试集。
对于外部验证,我们收集了2018年1月至2020年1月期间在某州立医院获得的女性乳腺X线摄影检查。我们选取了筛查后经后续病理学诊断为乳腺癌的女性(n = 4276),构成我们的乳腺癌样本(n = 2138)。乳腺X线摄影图像使用MAMMOMAT Revelation(Siemens Healthineers,埃尔朗根,德国)获取。按照开发集和内部测试的做法,外部样本中乳腺癌阴性检查的数量也为2138例。在外部验证样本中,乳腺癌阴性检查的BI-RADS评分为1或2分,提示无癌症嫌疑。这些个体至少两年后进行了随访筛查或确认良性病理。
本研究遵循“诊断准确性研究报告规范(STARD)”报告指南[22],并遵循美国放射学会(BI-RADS)第五版BI-RADS[23]。
真实标注
真实标注由三名委员会认证的乳腺放射科医师组成的团队完成,每人拥有五年以上乳腺影像经验。放射科医师使用包括基于浏览器的标注工具(https://matrix.md.ai)和6百万像素诊断显示器(Radiforce RX 660,EIZO)的专用工作站对乳腺癌组的乳腺X线摄影图像进行标注。所有乳腺X线摄影图像均以医学数字成像和通信格式进行审阅。
该流程首先从无乳腺癌组的乳腺X线摄影图像进行全面检查开始,将这些图像与相应的临床和病理报告进行交叉核对,以验证其真阴性状态。放射科医生通过虚拟会议平台实时工作,同时审阅每张乳腺X线摄影图像,并讨论乳腺癌的存在和位置。注释通过共识完成,讨论集中在是否以及在哪里围绕潜在癌变区域放置边界框。如果存在分歧,则采用多数决定(3名放射科医生中的2名)作为最终参考。
在遵循BI-RADS指南的同时,放射科医生标注了包含病变的图像区域,允许最低限度地纳入健康组织以考虑轻微误差范围。当一张乳腺X线摄影图像显示多个癌性病变时,每个病变均用其边界框标记。这些注释应用于CC位和MLO位,以完整记录癌性病变的位置和大小。
未进行独立的地面实况验证,因为本研究不旨在评估评分者间信度。
数据预处理和图像块创建
为准备乳腺X线摄影图像以供分析,我们开发了一种专用算法来去除乳腺组织周围不必要的空间,使图像聚焦于相关区域。该方法涉及在整个乳腺X线摄影图像上运行基于图像块的分析,系统地扫描乳腺组织的相关区域。每个图像块——图像中的一个正方形片段——均被评估,使算法能够区分包含乳腺组织的区域与无关区域(如零像素空白区域或腹部)。一旦识别出相关区域,便在乳腺组织中最显著的部分周围绘制边界框,以确保不排除任何关键诊断信息。
该过程的最佳参数为图像块大小400像素、步幅80、黑色阈值30%。在裁剪和填充图像使其成为正方形后,所有图像调整为一致的1024 × 1024像素,并相应调整边界框以准确反映缩放后的尺寸。该分辨率是根据乳腺X线摄影图像裁剪后的标准尺寸选择的,不同视图的尺寸有所不同。通过在调整大小之前填充图像以确保其为正方形,我们保持了宽高比并避免了失真,确保保留了关键诊断特征。
调整大小后,一名放射科医生仔细检查了每张图像,以确认在裁剪和调整大小过程中未丢失关键信息。这一质量控制对于确保图像被正确准备以进行准确分析至关重要。
接下来,我们进一步将这些准备好的图像划分为更小的图像块。这些是图像的正方形片段,以三种不同大小创建:128 × 128、256 × 256和512 × 512像素。这种方法从512 × 512的最大尺寸开始并逐步减小图像块大小,也使我们能够覆盖较小的感兴趣区域。低于128 × 128的图像块大小被排除,因为生成的图像块数量不切实际——达到数百万至数十亿——使可靠的训练不可行。这三种图像块大小帮助深度学习(DL)模型聚焦于图像的特定区域,同时在覆盖足够图像细节和计算可行性之间保持平衡。
我们使用一组由边界框标记的已知癌变区域,来识别哪些图像块可能包含癌症迹象。如果某个图像块与这些标记的癌变区域重叠超过一半,则认为该图像块显示癌症迹象(阳性)。相反,重叠很少(低于10%)的图像块被认为不太可能包含癌症(阴性)。重叠在10%至50%之间的图像块不用于训练,以保持数据的精确性并防止学习过程中的混淆。图1展示了这些图像块是如何被选择和分类的。
深度学习模型
我们的方法采用了多尺度、基于图像块的预训练策略,使用ResNeXt50_32x4d模型,选择该模型是因为其尺度不变特性。得益于其自适应卷积神经网络(CNN)层和用于最终池化的自适应平均池化(AdaptiveAvgPool)层,该模型支持跨不同图像尺寸的训练。实验使用PyTorch在NVIDIA L4图形处理器(GPU)上执行。
课程学习流程
我们的训练方法——课程学习,分为四个渐进阶段。最初,深度学习模型在乳腺X线摄影图像的小区域(称为图像块)上进行训练,这些图像块大小为128×128像素。随着训练的推进,这些图像块的尺寸逐渐增大——先增至256×256像素,再增至512×512像素。这种逐步推进的方法帮助模型首先关注图像中小而精细的特征,这些特征对于识别乳腺癌迹象至关重要。
在训练的最终阶段,我们让模型接触完整的乳腺X线摄影图像。该阶段使用更广泛的视野来帮助模型理解其先前学到的细节特征如何融入整体画面。从较小的视野过渡到更广泛的视野,模型学会了在近距离和更宏观层面上识别癌症迹象。
这一渐进式训练过程旨在系统性地教导模型,从细致观察到更全面的理解。该方法提高了模型的准确性,并确保其能够解读从非常小到整幅图像的各种尺度图像细节。我们论文中的图2直观地解释了这一课程学习过程。
标注高效方法
我们的研究使用了不同的训练策略,使我们的模型能够高效地从标注中学习。标注是图像上的关键标记,告诉模型确切在哪里寻找乳腺癌的迹象。
课程学习100模型
这个版本的模型使用了所有可用的标注数据。我们应用了课程学习方法,从小图像块开始,逐渐引入更大的图像块。该模型作为评估其他模型的参考点,使用最全面的数据集进行训练。
课程学习20和课程学习40模型
这些模型分别在减少的详细标注量上训练——分别为数据的20%和40%。其思路是观察模型在拥有较少具体指导(图像块)时表现如何。在其余训练中,这些模型使用带有基本标签的完整图像,这些标签提供的细节较少但覆盖更一般的特征。
基线模型
基线模型仅使用这些细节较少的图像级标签进行训练。这种方法使用最基本的监督形式,在很少具体指导的情况下测试模型的学习能力。
这些模型各自产生关于乳腺X线摄影是否显示乳腺癌迹象的预测。然后将这些预测与来自同侧乳房的其他相关数据进行平均,以确定是否存在癌症。该策略使我们能够比较训练数据中不同细节水平对模型准确诊断乳腺癌能力的影响。
模型训练
我们在多个阶段训练模型,以确保它有效地从乳腺X线摄影图像中学习。最初,模型分三个阶段训练,每个阶段包含100个周期(称为epoch),学习率固定为1e-05。这些阶段使用了越来越大的图像区域,使模型能够逐步提高检测乳腺癌指示特征的能力。完成这些阶段后,我们使用完整尺寸图像将训练延长15个epoch,帮助模型将其学到的技能应用于完整图像。
我们采用交叉熵损失函数来衡量模型性能,该函数在训练分类模型方面是有效的。我们使用Adam优化器进行优化,该优化器以提升学习过程的效率而著称。我们对训练数据应用了标准的数据增强技术,如随机翻转和旋转,以确保模型能够处理图像方向和位置的变化。然而,验证和测试图像保持不变,以确保最终评估期间的准确性。
整个训练过程在相同设置下重复十次,以确认结果的可靠性,结果以平均值和标准差报告,以评估一致性和稳定性。这种全面的训练方法使模型能够通过从各种场景和图像表现中学习来准确检测乳腺癌。
可解释人工智能(XAI)
在本研究中,我们使用了Grad-CAM[19],这是一种广泛用于卷积神经网络(CNN)的解释方法。Grad-CAM利用流入CNN最终卷积层的梯度信息,为广泛的基于CNN的模型的决策生成“可视化解释”。该方法有助于理解每个神经元对感兴趣决策的贡献。所生成的热图称为Grad-CAM,突出显示输入图像中对网络输出有影响的区域,从而为模型的决策过程提供洞察。
在本研究中,我们采用真值重叠率[19, 20]作为定量指标,评估可解释人工智能(XAI)与临床真值对齐的性能。主要重点是评估这些方法生成的显著性图与放射科医师在疑似乳腺癌的乳腺X线摄影病灶上勾画的真值边界框之间的相关性。
统计分析
统计分析使用Python版本3的SciPy库进行。深度学习(DL)模型识别乳腺癌的性能在乳腺水平上使用召回率、精确率和F1分数进行衡量。对于F1分数、召回率和精确率,我们报告了每个模型十次训练运行的均值和标准差。在可解释性方面,我们使用真值重叠率评估显著性图的性能,如下所示:
真值重叠率为100表示极好的可解释性,而0表示最差的可解释性。读者应注意,真值重叠率仅针对癌症患者计算,因为本研究中模型训练用于检测癌症病灶,同时将良性病灶或阴性乳腺X线摄影(BI-RADS 1-2)的患者视为阴性病例(即不提供边界框)。
结果
最终研究样本共纳入1976名女性,中位年龄为52岁(IQR,9)。在这些女性中,988名(50%)经病理证实患有乳腺癌,其余988名(50%)表现为阴性乳腺X线摄影——本研究中每位患者仅纳入一次乳腺X线摄影检查。开发样本包括1482名女性(75%),其余494名女性(25%)构成留出的内部测试集,用于深度学习方法的无偏评估。
正如我们所假设的,Curriculum 100模型表现出优越的性能,达到了最高的F1分数83.95 ± 0.5。相比之下,仅在训练期间接受弱监督的基线模型记录了最低的F1分数80.55 ± 0.88。值得注意的是,旨在实现标注高效的Curriculum 20和40模型以F1分数82.41 ± 0.47和83.03 ± 0.31分别超过了基线。这些增量反映了以受控方式引入复杂性的渐进式结构化训练方案的价值。
Curriculum 100 模型还达到了最高的真值重叠率,为 64.18 ± 1.37,表明该模型的预测与专家标注的一致性高于基线模型,后者在该指标上的得分为 60.26 ± 1.91。Curriculum 20 和 40 模型的真值重叠率分别为 62.13 ± 1.2 和 62.26 ± 1.52,超过了基线。重叠率至关重要,因为它强调了模型决策的可解释性,这在考虑将此类系统整合到临床实践时是一个关键方面。图 3 显示了基线模型和 Curriculum 20 模型在内部测试集上的代表性预测。表 1 详细列出了模型的性能和 XAI 指标。
在外部数据集中,Curriculum 100 模型表现优于其他模型,达到了最高的 F1 分数 78.73 ± 1.25,与主要测试集的结果一致。基线模型记录了最低的 F1 分数,为 74.65 ± 1.35。值得注意的是,Curriculum 20 和 40 模型也超过了基线,F1 分数分别为 77.77 ± 0.73 和 78.23 ± 1.78。外部测试集中性能和 XAI 指标的更多细节见表 2。
讨论
深度学习应用在乳腺癌诊断中的有效性在很大程度上取决于密集的监督和获取广泛数据集的机会。这一需求要求乳腺影像专家将他们宝贵的时间投入到乳腺X线摄影扫描的详细标注上,例如分割或边界框。尽管通过电子健康记录获取扫描级标注可能更为可行,但与密集监督的对应模型相比,以弱监督训练的模型往往需要提高性能。此外,此类模型在决策过程中可能缺乏透明度,尤其是在诊断扫描提示乳腺癌时。
为应对这些挑战,我们的研究探索了一种通过课程学习方法训练的基于 patch 的深度学习模型。该方法使我们能够同时利用广泛可用的乳腺级标注和专家提供的精确边界框。值得注意的是,我们的深度学习模型仅使用 20% 的密集标注,就超过了仅使用图像级标注训练的基线模型。正如预期,通过整合更多密集标注的数据,模型的性能得到了提高,从而促进了模型准确性与专家数据标注所需时间投入之间的平衡。
此外,我们通过应用Grad-CAM方法,在基于补丁的深度学习模型中观察到了增强的可解释性。更高的真值重叠率评分对此进行了客观验证。与模型性能类似,这些评分随着采用更密集标注的数据而提高,再次使得在性能增益与专家标注者所需时间之间进行权衡成为可能。
为评估泛化性,我们进一步在外部数据集上测试了模型性能,该数据集由在一家州立医院获得的乳腺X线摄影检查组成。这与开发集中的检查形成对比,后者是在大学附属中心获得的。我们的方法在这些不同环境中始终表现出相似的行为,进一步增强了所提出深度学习流程的稳健性。
深度学习方法已被广泛应用于乳腺X线摄影中的乳腺癌检测,反映了文献中的多种方法。这些方法涵盖单图像分析、多视图策略以及用于检测和分类的多阶段框架,同时采用了各种深度学习架构和商业解决方案。正如众多系统综述所证明的那样[24–26],这些研究中内部数据集和公共数据集的应用已被严格审查。无论采用何种方法,深度学习教育模型在乳腺X线摄影乳腺癌检测背景下的稳健性,以及它们作为独立工具或放射科医生辅助工具的潜力,均已得到近期荟萃分析的持续证实[25, 26]。
在此背景下,我们的研究并不旨在超越深度学习用于乳腺癌检测的现有基准,也不旨在评估深度学习模型在该领域为放射科医生提供的增量价值——这些主题已被充分确立,正如近期荟萃分析所强调的那样,现在需要多中心、大规模的前瞻性研究。相反,我们的研究转向调查乳腺X线摄影中深度学习的标注需求,这是增强深度学习模型训练和应用中一个相对未被充分探索但至关重要的方面。
在为数不多的研究中,Lotter等人介绍了一种为乳腺X线摄影和数字乳腺断层合成中的乳腺癌检测量身定制的标注高效深度学习模型[27]。他们的方法与当前研究中采用的方法一致,使用了基于补丁的策略。他们逐步训练其深度学习模型,在三个不同阶段从强监督(即密集标注)过渡到弱监督(即图像级标注)。通过利用公共和私有数据集的混合进行训练和评估,他们还将模型的性能与放射科医生的性能进行了基准比较。作者证明了他们的模型对低筛查率人群具有优越的泛化性,优于五名乳腺影像专家,平均灵敏度提高了14%。
然而,尽管Lotter等人证实了利用密集标签和稀疏标签训练其深度学习模型的可行性和稳健性,但他们需要系统地探索模型在不同比例的重要监督与弱监督下的性能[27]。相比之下,我们的研究方法系统地设计了一个实验框架,利用课程学习方法评估深度学习模型在不同比例的强监督训练下的性能。该框架允许在完全弱监督下训练的模型与完全密集监督下训练的模型之间进行直接比较。
此外,尽管Lotter等人在其结论阶段指出其弱监督模型保留了基于定位的可解释性,但他们并未对这一主张进行定量验证[27]。我们的研究填补了这一空白,通过展示我们的深度学习模型相较于基线模型具有更强的可解释性,证据是与更高密集标签比例相关的真值重叠率的增加。
在解读我们的研究结果时,应考虑若干局限性。首先,鉴于本研究的回顾性设计,我们认识到其固有局限性,如对变量的控制和潜在偏倚。其次,本研究采用的样本量相对较小,来自三家大学医院中心,可能影响研究结果的普适性。为解决这些局限性,开展进一步的前瞻性研究至关重要,以便在真实世界临床环境中以更大的样本量验证我们的发现。
其次,对照组中并非所有女性均有病理结果,因为该组包括那些BI-RADS评分为1或2且在一年后至少接受了一次随访筛查的女性。然而,现行指南认为一年的随访间隔足以检测初次筛查后可能出现的任何异常[1, 25]。
第三,本研究仅限于特定的基于显著性的方法,仅涵盖了该领域内部分可用技术。这一选择可能导致对医学影像中可解释人工智能(XAI)性能格局的描述不够完整。虽然Grad-CAM被用于增强我们模型的可解释性,但它也存在局限性[28]。Grad-CAM的热力图突出显示图像的广泛区域,可能缺乏精确识别细小、微妙特征所需的粒度。这种降低的特异性可能影响模型的可解释性,特别是对于需要精细细节的任务,如检测癌症的早期征象。同样,我们的分析仅限于卷积神经网络(CNN),未扩展至视觉Transformer或基于注意力机制的方法。这一限制可能限制我们的研究结果对医学影像深度学习领域中更广泛新兴方法的适用性。
第四,虽然我们目前的研究结果令人鼓舞,但它们主要关注整体性能,未区分CC和MLO等乳腺摄影体位。未来研究可探索课程学习对这些特定体位的影响,以评估该方法是否对某一体位的益处显著大于另一体位。此类分析将进一步验证我们的方法,并通过根据每个体位的特征定制模型训练来增强其临床适用性。
总之,所提出的注释高效、基于斑块的深度学习(DL)模型采用课程式方法训练,即使仅使用整个训练集中20%的密集注释样本,也能提供稳健的性能,而基线方法仅依赖图像级弱注释。此外,与基线模型相比,该模型的优越性能还在外部数据集上得到了验证。另外,所提出的模型提供了更好的可解释性,定量真值重叠比证明了这一点。我们的模型有望在仅有限密集注释可用的情况下,实现大规模多中心扫描。
引用
- Camurdan O, Tanyel T, Aktufan Cerekci E, et al. Annotation-efficient, patch-based, explainable deep learning using curriculum method for breast cancer detection in screening mammography. Insights Imaging. 2025. PMID: 40106066. doi:10.1186/s13244-025-01922-w
- 全文:PMC11923329(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11923329/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。