文献速递技术与安全胸部DR

深度学习模型用于X线摄影身体部位分类和胸部X线摄影投照/方向分类:一项多机构研究

Deep learning models for radiography body-part classification and chest radiograph projection/orientation classification: a multi-institutional study.
PubMed 文献 · Eur Radiol · 2025-10-22

该多中心回顾性研究开发并外部验证了两个基于EfficientNet的深度学习模型:Xp-Bodypart-Checker将X线摄影分为七类身体部位,CXp-Projection-Rotation-Checker识别胸片投照(AP、PA、侧位)和旋转(直立、倒置、左旋、右旋)。模型在外部测试集上AUC多达0.99–1.00,有助于自动核查大型影像数据库中的标签错误。

要点

  • Xp-Bodypart-Checker在外部测试集Institution B上各类AUC为0.99–1.00,Incomplete Chest为0.99。
  • CXp-Projection-Rotation-Checker在外部测试集Institution A上投照和旋转分类AUC均为1.00。
  • 两个模型可自动检测大型X线数据库中的身体部位和胸片投照/旋转标签错误。

核心结论

  • 两个深度学习模型有助于自动验证大型X线数据库中的图像标签,提升多机构间的质量控制。

研究设计与样本

  • 多中心回顾性研究,开发并外部测试两个基于EfficientNet的深度学习模型,遵循STARD指南。
  • Xp-Bodypart-Checker开发纳入Institution A、B和MURA的429,341张X线摄影,外部测试使用Institution B和MURA数据。
  • CXp-Projection-Rotation-Checker开发纳入CheXpert、PadChest和Institution A的463,728张胸片,外部测试使用Institution A数据。
  • 参考标准由两名委员会认证放射科医生(分别有5年和9年经验)基于DICOM元数据核实并纠正身体部位和投照标签。

诊断标准与关键数值

  • Xp-Bodypart-Checker在Institution B外部测试集micro准确率98.5%(99% CI: 98.4%–98.6%),macro准确率99.6%(99% CI: 99.6%–99.6%),weighted准确率99.4%(99% CI: 99.4%–99.5%)。
  • Xp-Bodypart-Checker在Institution B外部测试集各类AUC:Incomplete Chest 0.99(99% CI: 0.98–0.99),Head、Neck、Chest、Abdomen、Pelvis、Extremities均为1.00(99% CI: 1.00–1.00)。
  • Xp-Bodypart-Checker在MURA外部测试集micro准确率98.6%(99% CI: 98.4%–98.7%)。
  • CXp-Projection-Rotation-Checker在Institution A外部测试集投照分类micro准确率98.5%(99% CI: 98.4%–98.6%),旋转分类micro准确率超过99.9%(99% CI: 99.9%–100.0%)。
  • CXp-Projection-Rotation-Checker在Institution A外部测试集投照分类AP、PA、侧位AUC均为1.00(99% CI: 1.00–1.00),旋转分类直立、倒置、左旋、右旋AUC均为1.00(99% CI: 1.00–1.00)。

临床应用与阅片要点

  • 模型可用于自动核查大型X线数据库中身体部位和胸片投照/旋转标签,识别错误标注数据。
  • 两个模型已部署为网络应用,可计算置信度评分并检测错误标注图像。

局限性

  • 原文未报告局限性。
全文中译12 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2025 Oct 22;36(4):2576–90. doi: 10.1007/s00330-025-12053-7

引言

近年来,使用胸部X线片的深度学习(DL)模型取得了显著进展[1, 2]。我们现在正处于一个利用更大规模、多机构、多国数据集开发更具可扩展性和通用性模型的阶段。除了疾病检测之外,这些模型已经发展到能够完成对人类而言具有挑战性的任务,例如评估心脏功能、呼吸功能和生物学年龄,为改善胸部X线片的诊断提供了巨大前景[3–5]。因此,对更多样化数据集的需求日益增长,以支持这些先进应用。

然而,随着数据的多样化和扩展,模型训练的质量控制已成为一项关键挑战。随着胸部X线片数据库规模和异质性的增加,确保正确标注变得更加困难,特别是因为许多图像以DICOM格式存储,该格式依赖人工录入患者和检查信息[6]。在实践中,手动或半自动化工作流程经常产生错误和缺失数据[7, 8]。指示身体部位和投照方向的基本标签对于临床环境和数据预处理都至关重要[9]。此外,经常观察到X线片数据库包含具有各种旋转方向的图像。此类基本标注不准确以及包含各种旋转方向的图像可能损害基于深度学习的分析的可靠性。这些问题凸显了对自动化解决方案的需求,以便在标注错误的图像对深度学习流程中的训练和验证产生负面影响之前将其检测出来。

为应对这些挑战,已有若干机器学习和深度学习方法被提出,用于对X线摄影身体部位、胸部X线片投照方向或胸部X线片旋转进行分类[10–21]。这些自动化系统旨在通过捕捉潜在的元数据错误来增强标准化。然而,这些早期研究中的许多依赖于单机构数据或相对较小的数据集,限制了其通用性[11–19]。因此,跨多个医疗系统和地区的更广泛验证对于确立这些模型在多样化临床环境中的有效性至关重要。

在此背景下,我们使用大规模、多机构数据集开发了两个独立的深度学习模型并进行了外部测试。第一个模型Xp-Bodypart-Checker对身体各部位的X线片进行分类,而第二个模型CXp-Projection-Rotation-Checker专门检测胸部X线片的投照方向和旋转。

方法

研究设计

本多中心回顾性研究旨在开发并外部测试两个不同的深度学习模型。第一个模型Xp-Bodypart-Checker从各种身体部位的X线摄影图像中对身体部位进行分类。第二个模型CXp-Projection-Rotation-Checker确定胸部X线片的投照方向(前后位(AP)、后前位(PA)或侧位)和旋转(正立、倒置、左旋或右旋)。本研究遵循《赫尔辛基宣言》,并获得机构审查委员会批准(批准编号2024-100和2022-0021 K)。伦理委员会豁免了知情同意要求,因为仅使用了常规采集的临床图像。本稿件按照STARD指南[22]编写。

参与者、图像收集和检查采集

对于Xp-Bodypart-Checker,回顾性收集了机构A(2019年1月1日至2021年12月31日)和机构B(2023年1月1日至2023年12月31日)年龄≥18岁患者的X线摄影。纳入该期间每位患者的所有X线检查。此外,从MURA收集了上肢X线摄影[23]。MURA是一个大型肌肉骨骼X线摄影数据集,包含来自14,863项检查的40,561张图像。由于MURA中不包含年龄信息,因此收集了该数据库中所有公开可用的X线摄影。

对于CXp-Projection-Rotation-Checker,连续收集了机构A(2019年1月1日至2021年12月31日)年龄≥18岁患者的胸部X线摄影,以及CheXpert [24]和PadChest [25]。CheXpert是最大的公开可用胸部X线摄影数据集之一,包含2002年10月至2017年7月期间在Stanford Health Care接受X线检查的65,401名患者的224,316张胸部X线摄影。PadChest数据集由来自超过67,000名患者的160,861张图像组成,收集自西班牙Hospital San Juan,时间为2009年至2017年。由于PadChest未直接记录检查时的患者年龄,我们通过“StudyDate_DICOM”和“PatientBirth”列计算年龄,排除了18岁以下的患者,同时排除了任何儿科方案、损坏图像或出生年份未知的情况。如果患者有多条不一致的性别记录,我们将性别标记为未知。纳入该期间每位患者的所有X线检查。

参考标准

对于Xp-Bodypart-Checker,首先,来自机构A和机构B的所有X线摄影根据其DICOM元数据中的BodyPartExamined标签分为六个类别(头部、颈部、胸部、腹部、骨盆和四肢),然后由两名委员会认证的放射科医师(分别具有5年和9年经验)进行核实和纠正。脊柱X线摄影的分类为:颈椎图像归入“颈部”,胸椎图像归入“胸部”,腰椎图像归入“腹部”。为进一步细化标记为“胸部”的图像的分类,我们检查了双肺野是否被完全捕获或部分排除,从而将该类别细分为“胸部”(双肺野均完全可见)和“不完整胸部”(一侧或双侧肺野被部分排除)。此外,来自MURA的所有X线摄影均标记为“四肢”。因此,最终分类共涵盖七个不同类别。

对于CXp-Projection-Rotation-Checker,来自机构A的胸部X线摄影根据其DICOM元数据中的BodyPartExamined标签、ProtocolName标签、SeriesDescription标签和StudyDescription标签分为三种投照体位(AP、PA和侧位),然后由两名委员会认证的放射科医师(分别具有5年和9年经验)进行核实和纠正。利用各数据库(CheXpert和PadChest)中记录的成像数据,我们根据投照体位对胸部X线摄影进行了分类。此外,旋转标签被随机分配给所有胸部X线摄影,以在四种旋转之间实现均等分布(1:1:1:1比例):正向、倒置、左旋和右旋。然后根据这些分配的旋转标签对图像进行旋转。机构A和机构B均未向CheXpert、PadChest或MURA贡献数据。

数据划分

对于Xp-Bodypart-Checker,来自机构A的X线摄影图像按患者为单位以8:1:1的比例随机分配至训练集、调优集和内部测试集。来自机构B和MURA的所有X线摄影图像均用作外部测试集。

对于CXp-Projection-Rotation-Checker,来自CheXpert和PadChest的胸部X线摄影图像按患者为单位以8:1:1的比例随机分配至训练集、调优集和内部测试集。来自机构A的所有胸部X线摄影图像均用作外部测试集。

模型开发

我们使用EfficientNet [26]开发了两个深度学习模型:一个用于对X线摄影图像的身体部位进行分类(Xp-Bodypart-Checker),另一个用于对胸部X线摄影图像的投照方向和旋转进行分类(CXp-Projection-Rotation-Checker)。两个模型均使用交叉熵损失作为损失函数。每个深度学习模型分别使用训练集和调优集进行训练和调优,起始参数来自ImageNet预训练模型,并允许整体参数更新。在调优集上损失函数值最小(100个epoch内)的模型被选为性能最佳的模型。每张图像的最长边在保持宽高比的情况下缩小至256像素,然后沿较短边方向用黑色填充至256像素宽。我们使用TrivialAugment Wide [27]进行数据扩增。每个开发过程均使用PyTorch框架(版本2.0.1)进行。为比较性能,我们额外实现了两种基线方法:使用ResNet-50 [28]的卷积神经网络,以及一种将方向梯度直方图(HOG)特征提取与线性支持向量机(SVM)分类器相结合的经典计算机视觉流程 [29]。模型开发和机器环境的详细过程见补充附录(第2页)。两个模型的概要分别见图1和图2。

图1 Xp-Bodypart-Checker概要。输入的各种身体部位X线摄影图像被送入基于EfficientNet的特征提取器,该提取器通过多个卷积层逐步对图像进行下采样以学习高层特征。最终提取的特征图随后被传入作为分类器的全连接(FC)层。该FC层为输入的X线摄影图像输出七个身体部位类别之一。 查看原图 ↗
图2 CXp-Projection-Rotation-Checker概要。输入的胸部X线摄影图像被送入EfficientNet主干网络,该网络逐步下采样并提取分层图像特征。所得的特征表示随后被传入配置为产生两个分类输出的全连接(FC)层:一个用于胸部X线摄影图像的投照方向(如后前位、前后位或侧位),另一个用于胸部X线摄影图像的旋转(如直立、倒置、左旋或右旋)。这种多输出设计使模型能够从共享特征集中同时学习两项任务。 查看原图 ↗

模型测试

对于Xp-Bodypart-Checker,我们使用调优数据集确定的最佳模型评估了深度学习(DL)模型的分类性能。使用内部测试数据集(机构A)和外部测试数据集(机构B和MURA)评估了从X线摄影进行身体部位分类的准确性。在来自机构B和MURA的数据集上进行了外部测试,其中图像四周均以48像素零填充以去除任何侧边标记。为来自机构B的外部测试数据集中的每张X线摄影生成显著性图,以指示用于身体部位分类的感兴趣区域。Shapley加法解释(SHAP)是一种将Shapley值(一种基于博弈论计算的重要性值)应用于机器学习的框架,用于为每张X线摄影生成显著性图[30]。对于计算机视觉任务,SHAP计算一组像素对特定预测的贡献。

对于CXp-Projection-Rotation-Checker,我们使用调优数据集确定的最佳模型评估了DL模型的分类性能。使用内部测试数据集(CheXpert和PadChest)和外部测试数据集(机构A)评估了从胸部X线摄影进行投影分类和旋转分类的准确性。外部测试使用来自机构A的真实旋转标签进行。来自机构A的外部测试图像四周均以48像素零填充以去除任何侧边标记。为来自机构A的外部测试数据集中的每张X线摄影生成显著性图,以指示用于投影和旋转分类的感兴趣区域。

统计分析

对于Xp-Bodypart-Checker,由于数据集中的类别不平衡,使用三种准确性指标评估整体模型性能:微平均准确率,计算为正确分类的X线摄影总数与所有类别中X线摄影总数的比值;宏平均准确率,定义为每个类别准确率的未加权平均值;以及加权平均准确率,计算为按每个类别中X线摄影数量加权的类别特异性准确率的平均值。此外,我们计算了每个身体部位类别的准确率,并生成了受试者工作特征(ROC)曲线和受试者工作特征曲线下面积(AUC)值。我们为外部测试数据集(机构B和MURA)创建了混淆矩阵。此外,我们使用包含不正确身体部位标签的机构B数据集计算了准确率和AUC值。

对于CXp-Projection-Rotation-Checker,由于数据集中存在类别不平衡,针对投影和旋转分类任务,使用三种准确度指标评估整体模型性能:微平均准确度,计算为正确分类的放射影像总数与所有类别中放射影像总数的比值;宏平均准确度,定义为每个类别准确度的未加权平均值;加权平均准确度,计算为各类别准确度按各类别中放射影像数量加权后的平均值。此外,我们计算了每个投影类别和旋转类别的准确度,并生成了ROC曲线和AUC值。我们为外部测试数据集(机构A)的投影和旋转分类任务创建了混淆矩阵。我们使用机构A数据集计算了准确度和AUC值,该数据集包含不正确的投影标签。

所有分析均在SciPy中使用Python(版本3.8.1)完成。这些统计推断采用双侧显著性水平1%进行,性能指标以99%置信区间呈现。

结果

数据集

对于Xp-Bodypart-Checker,我们纳入了来自机构A的44,772名患者的297,846张放射影像,来自机构B的12,895名患者的91,490张放射影像,以及来自MURA的40,005张放射影像。这些数据集的详细信息见表1,资格流程图见图3A。经两名放射科医师审核后,机构A中3.9%的放射影像和机构B中12.8%的放射影像基于DICOM标签的身体部位标签被修改,详见补充附录(第3页)。

对于CXp-Projection-Rotation-Checker,在排除3张不符合年龄标准的胸部放射影像后,我们纳入了CheXpert中来自64,737名患者的223,645张胸部放射影像。我们纳入了PadChest中来自62,944名患者的152,573张胸部放射影像,排除了7639张胸部放射影像。其中大多数(7613张胸部放射影像)因不符合年龄标准而被排除,包括7607张检查年份减去患者出生年份< 19的放射影像,以及6张出生年份未知的放射影像。另有22张胸部放射影像因图像损坏而被排除,4张胸部放射影像因在儿科方案下采集而被排除。在排除84张无法确定投影的胸部放射影像后,我们纳入了机构A中来自25,228名患者的87,510张胸部放射影像。这些数据集的详细信息见表2,资格流程图见图3B。经两名放射科医师审核后,机构A中3.3%的胸部放射影像基于DICOM标签的投影标签被修改,详见补充附录(第4页)。

图3 Xp-Bodypart-Checker和CXp-Projection-Rotation-Checker的资格流程图。A 这些流程图描述了Xp-Bodypart-Checker开发阶段使用的训练、调优、内部测试和外部测试数据集。B 这些流程图描述了CXp-Projection-Rotation-Checker开发阶段使用的训练、调优、内部测试和外部测试数据集 查看原图 ↗
表1 Xp-Bodypart-Checker数据集的人口统计学特征 查看原表 ↗
表2 CXp-Projection-Rotation-Checker数据集的人口统计学特征 查看原表 ↗

模型评估

对于Xp-Bodypart-Checker,性能最佳的模型在11个epoch时获得,损失值最低。通过微平均、宏平均和加权准确率计算评估了模型的整体性能。对于来自机构B的外部测试集,这些准确率指标分别为98.5%(99% CI:98.4%–98.6%)、99.6%(99% CI:99.6%–99.6%)和99.4%(99% CI:99.4%–99.5%)。此外,我们计算了每个类别的类特异性准确率评分;例如,Chest类的准确率为99.8%(99% CI:99.7%–99.8%)。为评估模型的判别能力,我们为每个类别生成了一对其余(one-vs.-all)ROC曲线并计算了相应的AUC值,范围从Incomplete Chest类的0.99(99% CI:0.98–0.99)到Head、Neck、Chest、Abdomen、Pelvis和Extremities类的1.00(99% CI:1.00–1.00)。ROC曲线见图4A,整体性能和每个类别的准确率及AUC值汇总于表3。绘制混淆矩阵以展示所有类别的性能(图4B)。对于来自MURA的外部测试集,微平均准确率为98.6%(99% CI:98.4%–98.7%)。整体性能和每个类别的准确率及AUC值汇总于表3。绘制混淆矩阵以展示所有类别的性能(图4C)。Xp-Bodypart-Checker在机构B标记错误数据上的结果见补充附录(第8页)。Xp-Bodypart-Checker在去除侧位标记的机构B和MURA放射照片上的结果见补充附录(第9页)。基于ResNet-50架构的Xp-Bodypart-Checker结果,以及基于HOG特征提取方法结合SVM分类器的Xp-Bodypart-Checker结果见补充附录(第10、11页)。

对于CXp-Projection-Rotation-Checker,性能最佳的模型在5个轮次时获得,损失值最低。我们评估了投影分类和旋转分类的微观准确率、宏观准确率和加权准确率。在来自机构A的外部测试集上,投影分类达到微观准确率98.5%(99% CI:98.4%–98.6%)、宏观准确率98.5%(99% CI:98.4%–98.7%)和加权准确率98.5%(99% CI:98.4%–98.6%)。旋转分类达到微观准确率超过99.9%(99% CI:99.9%–100.0%)、宏观准确率超过99.9%(99% CI:99.9%–100.0%)和加权准确率超过99.9%(99% CI:99.9%–100.0%)。此外,我们计算了每个分类中每个类别的类特异性准确率评分。为评估模型的判别能力,我们生成ROC曲线,并采用一对多方法计算每个类别的AUC值。对于投影分类,AP、PA和侧位视图的AUC值均为1.00(99% CI:1.00–1.00)。对于旋转分类,直立位、倒置位、左旋位和右旋位视图的AUC值均为1.00(99% CI:1.00–1.00)。ROC曲线见图5A、B,混淆矩阵见图5C、D,总体及每个类别的准确率和AUC值见表4。CXp-Projection-Rotation-Checker在机构A标记错误数据上的结果见补充附录(第12页)。CXp-Projection-Rotation-Checker在机构A真实旋转标签上的结果见补充附录(第13页)。CXp-Projection-Rotation-Checker在去除侧位标记的机构A放射照片上的结果见补充附录(第14页)。基于ResNet-50架构的CXp-Projection-Rotation-Checker结果以及基于HOG特征提取方法结合SVM分类器的CXp-Projection-Rotation-Checker结果见补充附录(第15–16页)。

此外,为确定误分类图像的特征,我们从模型预测错误的外部测试集中选取了代表性示例。Xp-Bodypart-Checker的示例见图6A。CXp-Projection-Rotation-Checker的这些示例见图6B、C、D。

显著性图见补充附录(第5、6页)。

我们开发并部署了利用Xp-Bodypart-Checker和CXp-Projection-Rotation-Checker计算置信度评分并检测标记错误图像的网络应用程序(https://huggingface.co/spaces/MedicalAILabo/Xp-Bodypart-Mislabel-Checker,https://huggingface.co/spaces/MedicalAILabo/CXp-Projection-Rotation-Mislabel-Checker)。应用程序使用中的截图见补充附录(第7页)。

图4 Xp-Bodypart-Checker的受试者工作特征曲线和混淆矩阵。A 使用来自机构B的外部数据集进行身体部位分类(七个类别)的受试者工作特征曲线。B 来自机构B的外部数据集中身体部位分类的混淆矩阵。C 来自MURA的外部数据集中身体部位分类的混淆矩阵。对于来自MURA的外部数据集,其仅包含“四肢”放射照片,由于只有一个类别,未显示受试者工作特征曲线。AUC,受试者工作特征曲线下面积 查看原图 ↗
表3 Xp-bodypart-checker的结果 查看原表 ↗
图5 CXp-Projection-Rotation-Checker的受试者工作特征曲线和混淆矩阵。A 使用来自机构A的外部数据集进行投影分类(AP、PA、侧位)的一对多受试者工作特征曲线。B 使用来自机构A的外部数据集进行旋转分类(正立、倒置、左旋、右旋)的一对多受试者工作特征曲线。C 同一外部数据集中投影分类的混淆矩阵。D 同一外部数据集中旋转分类的混淆矩阵。AP,前后位;PA,后前位;AUC,受试者工作特征曲线下面积 查看原图 ↗
表4 CXp-projection-rotation-checker的结果 查看原表 ↗
图6 Xp-Bodypart-Checker和CXp-Projection-Rotation-Checker误分类的代表性示例。A 一名50多岁女性的胸部X线片,被Xp-Bodypart-Checker误分类为“腹部”。B 一名40多岁女性的PA胸部X线片,被CXp-Projection-Rotation-Checker误分类为“侧位”。C 一名50多岁男性的AP胸部X线片,被CXp-Projection-Rotation-Checker误分类为“PA”。D 一名80多岁女性的PA胸部X线片,被CXp-Projection-Rotation-Checker误分类为“AP”。AP,前后位;PA,后前位;AUC,受试者工作特征曲线下面积 查看原图 ↗

讨论

在本研究中,我们开发了两种深度学习模型——Xp-Bodypart-Checker和CXp-Projection-Rotation-Checker——以解决大规模放射影像数据集中的元数据不一致问题。Xp-Bodypart-Checker在来自机构A的数据上进行训练、调优和内部测试,并使用来自机构B和MURA的数据进行外部测试。CXp-Projection-Rotation-Checker使用来自CheXpert和PadChest的数据进行训练、调优和内部测试,然后使用来自机构A的数据进行外部测试。总体而言,超过400,000张放射影像参与了Xp-Bodypart-Checker的开发,超过460,000张胸部放射影像参与了CXp-Projection-Rotation-Checker的开发。Xp-Bodypart-Checker将放射影像分为七个类别(头部、颈部、胸部、不完整胸部、腹部、骨盆和四肢),表现优异,AUC值高于0.99。同样,CXp-Projection-Rotation-Checker区分胸部放射影像的投影(AP、PA和侧位)和旋转(正立、倒置、左旋或右旋),AUC值为1.00。

我们研究的主要优势在于,使用空前规模的多中心数据集开发并外部测试了两个高性能的X线影像分类模型。Xp-Bodypart-Checker通过区分肺野完全可见与仅部分可见的胸部X线影像,扩展了传统的身体部位分类器。CXp-Projection-Rotation-Checker在单一网络内同时分类成像投影和旋转。以往的工作通常只处理其中一个子任务——身体部位识别[10, 12, 19]或投影/旋转识别[13–18, 20, 21, 31]——并且依赖于较小的、往往来自单一机构的队列。通过汇集来自多个机构、具有异质性采集方案的图像,我们增强了模型的泛化能力。在来自机构B的外部测试集上,Xp-Bodypart-Checker达到了98.5%的准确率,超过了先前研究报告的86–97.4%范围[10, 12]。同样,CXp-Projection-Rotation-Checker在来自多个国家的463,728张胸部X线影像上训练,在来自机构A的外部数据上获得了投影98.5%和旋转99.3%的准确率。这些结果等于或超过了已发表的投影(96%至>99%)和旋转(88%至>99%)分类的最佳数据[13–18, 31],表明将两个子任务整合在单一架构中可在多样化的临床环境中提供最先进的性能。

准确的DICOM标注对临床环境和大型研究工作都很重要。在我们的研究中,机构A有3.9%的X线影像、机构B有12.8%的X线影像需要身体部位标签校正,而机构A有3.3%的胸部X线影像存在错误的投影标签。在庞大的影像档案中,即使很小的错误率也会迅速累积成数百或数千次错误标注的检查。在临床上,此类错误可能延误患者诊疗——例如,将“AP”投影误标为“PA”可能影响基于方位的测量[32]。在研究流程中,错误的标签可能损害深度学习(DL)训练[33, 34]。通过自动化检测错误标注的检查,我们的模型有助于在临床工作流程和研究流程的前端确保数据完整性。我们开发并公开发布了利用Xp-Bodypart-Checker和CXp-Projection-Rotation-Checker检测错误标注的放射影像的网络应用(https://huggingface.co/spaces/MedicalAILabo/Xp-Bodypart-Mislabel-Checker, https://huggingface.co/spaces/MedicalAILabo/CXp-Projection-Rotation-Mislabel-Checker)。通过将此能力整合到图像归档与通信系统中,用户可以人工审核任何触发警告的图像,从而以最小的工作量校正错误标注的病例。此外,我们计划在那些被标记但实际标注正确的X线影像上,以及那些未被标记但实际错误标注的X线影像上重新训练模型,以达到更高的准确率。这不仅节省时间和资源,还为更安全的临床决策和更可信的科学发现奠定基础。

尽管总体准确率很高,我们通过错误分析发现了有趣的结果和可改进的方面。Xp-Bodypart-Checker有时会将包含上腹部的胸部X线片错误标记为“腹部”。重叠结构,如膈肌和下胸部,可能模糊胸腹之间的边界,提示在临界病例中需要更灵活的标注或连续评分。同样,CXp-Projection-Rotation-Checker在某些解剖变异上表现困难。我们观察到,在PA位中具有明显较大心影的胸部X线片偶尔被误分类为AP位,而在AP位中心影较小的胸部X线片有时被误认为PA位。这可能反映了AP图像倾向于夸大心脏大小的已知趋势[32]。此外,显示明显脊柱侧弯的PA胸部X线片有时与侧位片混淆,暗示模型可能严重依赖脊柱方向线索。这些发现表明,在更多样化的病例上进行训练并纳入额外的临床背景——如患者体位或脊柱排列——可能进一步增强可靠性。

本研究存在若干局限性。第一,研究未纳入某些人群(如儿科患者)或包含躯干和四肢的全身扫描,限制了在这些场景中的直接适用性。第二,机构特定的标注方案可能引入偏倚,将这些模型整合到现有系统中可能需要技术调整。

我们的双模型策略提供了一种实用方法来检测和修正大型放射影像集合中的常见标注错误。通过自动验证身体部位、投照位和旋转标签,它为常规临床任务和研究项目奠定了更坚实的基础。未来的工作将涉及实时测试、在儿科或更复杂成像场景中的应用,以及针对临界病例的可能多标签输出。我们相信,稳健的自动化标注是迈向更可靠、更通用的放射影像数据库的关键一步。

补充信息

补充信息

引用

  1. Mitsuyama Y, Takita H, Walston SL, et al. Deep learning models for radiography body-part classification and chest radiograph projection/orientation classification: a multi-institutional study. Eur Radiol. 2025. PMID: 41123640. doi:10.1007/s00330-025-12053-7
  2. 全文:PMC13035548(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13035548/

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。