文献速递乳腺乳腺X线

深度学习模型在标准剂量与低剂量乳腺X线图像上联合预测乳腺密度

Deep learning models to predict mammographic density jointly on standard dose and low dose images.
PubMed 文献 · Br J Radiol · 2026-01-01

结果显示联合训练模型在低剂量图像上的密度预测质量与标准剂量图像相似(RMSE差异无统计学意义),且联合模型比分别训练模型在两种剂量间预测一致性更高。低剂量乳腺X线自动密度分析有望用于年轻女性乳腺癌风险分层。

要点

  • 联合训练模型在模拟低剂量图像上的密度预测RMSE为8.27,与标准剂量图像(8.26)相近。
  • 联合模型对标准与模拟低剂量图像预测的RMSE为1.91,低于分别训练模型,提示剂量间一致性更好。
  • 在真实低剂量图像(ALDRAM)上,联合模型预测与标准剂量预测的RMSE为3.79,差异较模拟数据增大但多数图像差异小。

核心结论

  • 深度学习模型可在低剂量乳腺X线图像上做出与标准剂量图像质量相似的乳腺密度预测。
  • 联合训练模型比分别训练模型在标准与低剂量图像间的预测一致性更高。
  • 低剂量乳腺X线自动密度分析有望用于年轻女性乳腺癌风险分层。

研究设计与样本

  • 训练三种深度学习架构(ResNet-18、ResNet-50、DenseNet-161),分别采用联合训练和独立训练策略。
  • 参考标准为两位专家读者在视觉模拟量表(VAS,0-100%)上评分的平均值。
  • 图像来自GE Senographe Essential设备,使用原始(for-processing)图像,降采样至640×512像素。

诊断标准与关键数值

  • 联合模型在PROCAS标准剂量图像上预测与VAS评分的RMSE为8.26(95%CI 8.16-8.36),在模拟低剂量图像上为8.27(95%CI 8.17-8.38)。
  • 联合模型在标准与模拟低剂量图像间预测的RMSE为1.91(95%CI 1.88-1.96)。
  • 联合模型在ALDRAM真实低剂量与标准剂量图像间预测的RMSE为3.79(95%CI 2.75-4.99)。
  • 本方法在PROCAS上预测与VAS评分的Spearman相关系数为0.84,低剂量与标准剂量预测间为0.98。

临床应用与阅片要点

  • 低剂量乳腺X线(10%标准剂量)可用于自动乳腺密度评估,为低于筛查年龄的女性提供风险分层依据。
  • 联合训练模型可减少剂量间预测差异,便于直接比较标准与低剂量图像的密度预测。
  • 真实低剂量图像上预测差异较模拟数据增大,临床使用时需注意高密度和离群病例的预测偏差。

局限性

  • ALDRAM数据缺乏专家VAS评分,以标准剂量图像模型预测作为替代标签。
  • 所有图像均来自GE Senographe Essential系统,模型未在其他设备上验证。
  • VAS密度测量在放射科医生中不常用,外部验证可能具有挑战性。
  • 使用原始(for-processing)图像,未在处理后图像上测试。
  • ALDRAM数据集样本量较小(147名女性),部分密度区间数据点少导致结果不连续。
全文中译8 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:Br J Radiol. 2026 Apr 28;99(1183):1397–404. doi: 10.1093/bjr/tqag090

引言

高乳腺密度通常定义为乳腺中不透X线的纤维腺体组织与透X线的脂肪组织的相对比例,已知是发生癌症的危险因素1,并且也与因遮盖效应导致乳腺X线摄影检出乳腺癌能力下降相关。2虽然英国筛查通常从约50岁开始,但约五分之一的乳腺癌在更早年龄被检出。为筛查年龄以下的女性生成准确的乳腺X线摄影密度预测,可能有助于实现筛查的个性化,更好地选择替代或补充成像方式或改变筛查频率。然而,全视野数字乳腺X线摄影——其中放射科医生根据乳腺X线摄影估计的密度与癌症风险显示出特别强的相关性3——不建议用于较年轻女性,原因是存在辐射诱发肿瘤的风险以及密度增加导致更频繁召回。一种替代方案是利用辐射剂量大幅降低的乳腺X线摄影并结合自动密度分析,既往工作已表明,在使用低剂量乳腺X线摄影时可以进行乳腺密度测量。4一个正在进行的项目旨在评估预测30-39岁女性乳腺癌风险的方法,包括使用低剂量乳腺X线摄影。5本文的目的是研究如何在低剂量图像上生成自动乳腺X线摄影密度预测,使其质量与标准剂量图像上的预测相当。

既往关于低剂量乳腺X线摄影密度估计的工作主要采用了三种策略。6一种是使用在标准剂量乳腺X线摄影上训练的模型7直接对低剂量图像进行推断,并对输出加入小幅调整以校正系统性差异。第二种方法是在模拟低剂量乳腺X线摄影上训练模型,并将这些模型用于低剂量预测。8,9第三种是利用低剂量乳腺X线摄影对在标准剂量图像上预训练的模型进行微调。6

第一种方法利用在标准剂量乳腺X线摄影上训练的模型,并对低剂量图像进行直接预测。这假定低剂量与标准剂量图像之间具有足够高的相似程度,使得密度预测中的任何差异都很小,或可以在事后校正,这一点已在既往工作中部分得到证明。6这可能是因为与乳腺X线摄影密度相关的图像特征足够清晰,以至于在噪声水平更高的低剂量图像中并未被完全遮蔽,即乳腺X线摄影中的密度信号很强,这一点已在既往关于从乳腺X线摄影估计密度的工作中得到证明。10

第二种方法是分别在标准剂量和模拟低剂量图像上训练模型。然而,评估低剂量预测质量的方法是与标准剂量预测进行比较;由于有两个训练好的模型,很难区分不同训练模型和不同图像剂量的影响。另一个问题是,由于噪声增加,低剂量图像中可获得的信息可能少于标准剂量图像。理想情况下,我们会训练一个能够通过隐含填补缺失信息来补偿这种信息损失的模型。

第三种方法是在真实(而非模拟)低剂量图像上微调模型;这需要大量训练数据。在医学成像中,获取此类数据,尤其是标注数据,往往是一项挑战,例如在本研究中我们只能获取147组低剂量图像。另一个问题是“模型遗忘”11,即在新任务上训练会导致模型在先前任务上的表现变差,因为模型可能对新领域过度调优。当在少量低剂量图像上微调模型时,模型可能会“遗忘”更广泛图像空间中的图像,从而在未见过的低剂量图像上的表现比未在低剂量图像上微调时更差。

本文提出的方法是构建一个同时在标准剂量和模拟低剂量图像上训练的联合模型。我们相信该方法解决了上述所有问题,并且我们证明模型产生的结果在标准剂量和模拟低剂量数据上均展现出最先进的性能,同时在真实低剂量图像上的预测与其标准剂量对应图像相比也显示出相似的结果。该模型已在(模拟)低剂量图像上训练,因此应能够校正两种剂量水平之间的任何差异。由于只训练了一个模型即可同时进行标准和低剂量图像预测,最终比较不会受到模型间变异的混杂影响。此外,由于模型同时看到标准和模拟低剂量配对图像,它应该能够学习(如果可能的话)如何补偿模拟低剂量图像中丢失的信息。

除联合训练模型外,我们还分别在标准剂量和模拟低剂量图像上单独训练模型,以确保联合训练模型未出现性能下降。我们训练了三种不同的深度学习模型架构,以证明我们所获得的结果并非特定于某一种模型类型。最后,我们研究了真实低剂量与标准剂量之间的模型预测相似性是否与模拟低剂量与标准剂量之间的相似性相同。

方法和材料

数据

我们使用两个独立的数据集,第一个数据集由筛查中癌症风险预测(PROCAS)研究12的乳腺X线摄影图像构建。我们使用该数据集,通过基于物理的软件13,14生成标准剂量10%的模拟低剂量图像。这些模拟低剂量图像除剂量模拟改变外,与标准剂量图像等效。我们使用了32 441名年龄在47至73岁之间女性的乳腺X线摄影图像,所有图像均使用GE Senographe Essential设备生成。乳腺X线摄影图像包括右/左内外侧斜位(RMLO/LMLO)和右/左头尾位(RCC/LCC)视图;本研究中使用的乳腺X线摄影图像像素尺寸为2294 × 1914或3062 × 2394。我们总共有107 619张图像,将其随机划分为训练集(70 171张图像)、验证集(17 605张图像)和测试集(19 843张图像),始终将同一名女性的图像保留在同一分区内。在PROCAS研究期间,这些图像由从一个专家库中抽取的两名专家阅片者观看,每人在0至100%的视觉模拟量表(VAS)上提供一个密度评分,显示这些评分分布的直方图见图1。每张乳腺X线摄影图像的最终VAS密度评分是两名阅片者评分的平均值,该评分被用作训练我们模型的标签。我们使用这种VAS乳腺密度测量指标,因为已证明它与其他 tested 指标相比与乳腺癌风险具有更强的关系。3

第二个数据集来自自动低剂量风险评估乳腺X线摄影(ALDRAM)研究6;该数据集包含147名年龄在30至45岁之间、一侧乳房曾患癌症并正在接受常规筛查的女性的图像。ALDRAM图像使用与PROCAS相同类型的乳腺X线摄影设备(GE Senographe Essential)拍摄,尺寸相同(2294 × 1914或3062 × 2394)。在四个标准乳腺X线摄影视图(右乳和左乳的头尾位和内外侧斜位视图)拍摄了标准剂量图像,并且在右乳处于压迫状态时,剂量降至标准剂量的10%(或设备最小值),并拍摄了第二张图像。因此,低剂量图像可用于右头尾位(RCC)和右内外侧斜位(RMLO)视图,并应与标准剂量对应图像直接可比,ALDRAM全剂量和低剂量图像的示例见图2。ALDRAM数据没有相关的VAS密度评分;我们在图1中展示了模型在标准剂量ALDRAM图像上预测评分的分布。

本研究中的所有图像均处于“处理前”(“原始”)状态,并在保持其宽高比的同时将尺寸缩小至640 × 512像素。选择640 × 512尺寸是务实的,因为更大的图像需要更多的处理能力/时间,而且几乎没有证据表明使用更大图像时预测能力会显著提高9。应用直方图均衡化,并对图像进行归一化。对标准、模拟低剂量和低剂量图像应用相同的程序。这与先前用于乳腺密度预测的程序相同。7,9

我们的目标是产生一个模型,能够在低剂量图像上准确预测乳腺X线摄影密度。我们没有ALDRAM数据集的VAS评分(这些图像尚未由专家读者评分),因此对低剂量图像的准确预测是参照对相应标准剂量图像的预测来评估的,也就是说,对标准剂量图像的预测实际上成为了标签。我们同时使用均方根误差(RMSE)和标准剂量与低剂量图像预测之间的Spearman秩相关系数来衡量模型对低剂量图像预测的质量。这也意味着我们的模型需要准确估计PROCAS数据集中标准剂量图像和模拟低剂量图像的乳腺X线摄影密度,这些密度可以与VAS密度评分进行比较。

图1 (左)PROCAS数据的VAS评分分布。分布偏向较低的VAS评分,高评分数据很少。(右)DenseNet-161模型对ALDRAM全剂量图像的预测评分分布。 查看原图 ↗
图2 ALDRAM全剂量和低剂量图像的两个示例。(左对)RCC全剂量和低剂量示例图像。(右对)RMLO全剂量和低剂量示例图像。 查看原图 ↗

联合训练与独立训练

我们的方法是使用PROCAS数据的训练集和验证集,在标准剂量和模拟低剂量图像的联合数据集上训练模型。然后,训练好的模型将用于标准剂量和低剂量(模拟和真实)图像的推理。

作为直接比较,我们还分别在标准剂量和模拟低剂量图像集上独立训练模型。然后在测试集中仅对标准剂量图像测试标准剂量图像训练的模型。在测试集中对低剂量(模拟和真实)图像测试模拟低剂量图像训练的模型。

模型

有许多深度学习模型架构,它们可能表现出适度的性能差异。因此,我们采取务实的方法,在时间和计算需求与最终模型性能之间进行权衡。我们训练三种不同类型的模型:ResNet-18、15 ResNet-5015和DenseNet-161.16 ResNet-18此前已被用于进行乳腺X线摄影密度预测,并显示出良好的性能。17使用ResNet-50的逻辑是检验以下假设:同一模型架构中更多层会改善模型性能。我们将DenseNet-161作为一个来自不同家族的独立模型纳入,以确定ResNet家族在该数据集和问题领域是否存在弱点。

所示所有结果均基于PROCAS数据集的留出测试集或独立的(未在其上训练的)ALDRAM数据集。显示了Spearman秩相关系数和RMSE。不确定性通过自助法生成,并以95%水平报告。

模型训练

我们尽可能用相同的流程训练三种不同的模型类型(ResNet-18、ResNet-50 和 DenseNet-161)以及联合/独立方法,以确保能够进行公平比较。模型使用从 ImageNet 预训练的权重进行初始化。18 我们使用 Adam 优化器19 和均方误差(MSE)目标函数进行训练,仅改变学习率。两个 ResNet 模型均以批大小 20 进行训练,而 DenseNet 模型由于计算机内存限制采用批大小 5。如果验证 MSE 低于任何先前 epoch,则在每个训练 epoch 结束时保存模型参数。最终模型使用验证集均方误差的最低值进行选择——对于联合模型,这是标准和模拟低剂量预测的组合。

结果

联合模型在 PROCAS 标准剂量和模拟低剂量图像上密度预测与 VAS 密度评分比较的指标见表 1。先前工作7 的可比评分在标准剂量图像上的 RMSE 为 9.18%,Spearman 秩相关系数为 0.798。虽然结果分别显示了标准剂量和模拟低剂量图像的结果,但预测由同一模型产生。

单独模型的预测与 VAS 密度评分比较的等效结果见表 2。与联合模型不同,这里的标准剂量和模拟低剂量图像预测来自两个分别训练的模型,因此该表显示的是总共六个模型的结果。

在表 3 中,我们展示了用于比较 PROCAS 测试集标准剂量图像预测与模拟低剂量图像预测的指标。实际上,我们将标准剂量模型上的预测视为标签,以检验模拟低剂量图像上预测的质量。联合模型和个体模型的结果显示在同一张表中。联合预测由同一模型生成,而个体预测来自两个分别训练的模型。联合模型在标准和模拟低剂量图像上产生的预测比个体模型更相似。

为确保我们展示的指标不会掩盖预测差异,在图 3 中我们展示了最终联合模型在 PROCAS 标准剂量和模拟低剂量数据上的预测图,以便直接比较模型。为提高可读性,图中仅显示随机选择的 2,000 个数据点。

在表 4 中,我们展示了对联合训练模型和单独训练模型在 ALDRAM 标准剂量和低剂量图像上预测进行比较的结果。与 PROCAS 结果(表 3)相比,预测的相似性降低。联合模型与个体模型之间的性能差距也有所缩小。

在图 4 中,我们展示了联合模型在 ALDRAM 标准剂量和低剂量数据上的预测图。这些是与图 3 等效的图,预测来自相同的模型。

在图5中,我们展示了预测值与标签之间的均方根误差(RMSE)如何随乳腺摄影密度的不同取值而变化;其中乳腺摄影密度定义为所使用的特定标签。我们展示了以下标签-预测配对:PROCAS专家读者VAS评分与标准剂量预测;PROCAS专家读者VAS评分与低剂量预测;PROCAS标准剂量预测与PROCAS低剂量预测;ALDRAM标准剂量预测与ALDRAM低剂量预测。我们使用标签将图像分箱,箱宽为30,采用步长为1的滑动窗口。因此,y轴上的每个值是对应于标签在x轴数值两侧15个点以内的那些图像的预测值与标签之间的RMSE。结果同时展示了PROCAS和ALDRAM数据集。ALDRAM结果中的不连续是由某些箱中数据点数量较少所致。

表1 三种联合模型在PROCAS测试集上针对标准剂量和模拟低剂量的标签性能表现。 查看原表 ↗
表2 六种独立模型在PROCAS测试集上针对标准剂量和模拟低剂量的标签性能表现。 查看原表 ↗
表3 PROCAS数据集中标准剂量图像预测与模拟低剂量图像预测之间的各项指标。 查看原表 ↗
图3 三种联合训练模型在PROCAS数据上模拟低剂量预测与标准剂量预测的散点图。为提高可读性,所示数据点数量通过随机选取减少至2000。 查看原图 ↗
表4 ALDRAM数据集中标准剂量图像预测与低剂量图像预测之间的各项指标。 查看原表 ↗
图4 联合模型在ALDRAM数据上低剂量预测与标准剂量预测的散点图。 查看原图 ↗
图5 我们展示了预测值与标签之间的RMSE如何随乳腺摄影密度(定义为特定标签)变化。我们展示了以下标签-预测配对:PROCAS专家读者VAS评分与标准剂量预测(P_Lab_Std);PROCAS专家读者VAS评分与低剂量预测(P_Lab_Low);PROCAS标准剂量预测与PROCAS低剂量预测(P_Std_Low);ALDRAM标准剂量预测与ALDRAM低剂量预测(ALDRAM)。 查看原图 ↗

讨论

我们已经证明,我们的联合模型可以在标准剂量和模拟低剂量图像上均做出准确预测;与分别在两组不同图像上训练的模型相比,与放射科医生评分的相似性没有统计学显著降低。在联合训练时,我们没有观察到模拟低剂量图像的显著改善,这意味着将标准剂量图像与模拟低剂量图像一起纳入训练并不会改善模拟低剂量图像上的性能。然而,标准剂量与模拟低剂量图像之间的性能差异同样在统计学上不显著,这表明性能差距很小。

在直接比较标准剂量与模拟低剂量预测时,单独训练的模型表现劣于联合训练的模型。这可能是由于联合模型消除了模型变异性。这一效应是联合方法的一个重要优势,因为我们现在可以直接比较模型在不同剂量下的性能,而无需考虑差异如何依赖于模型的训练方式。

在ALDRAM数据集的标准剂量与低剂量图像预测之间,模型性能差异大于PROCAS数据集(使用模拟低剂量图像)的相应差异。联合训练的模型清楚地显示了这一差异,表现为PROCAS与ALDRAM数据之间的性能差异。单独训练的模型也显示出这些差异,但其中部分差异源于两个模型训练方式不同,使结果不够清晰。

自动化VAS密度预测模型在较高密度时表现较差。7,17因此,与PROCAS相比,ALDRAM中标准剂量与低剂量图像之间模型预测差异较大的部分原因是ALDRAM图像的密度分布更高。然而,如图5所示,这种密度分布的变化并不能解释模型相似性的全部差异。在所有密度水平上,模型的表現都更差(低剂量与标准剂量预测之间的差异更大)。PROCAS的模拟低剂量图像与ALDRAM的低剂量图像之间可能存在差异,从而导致模型性能的差异。值得注意的是,ALDRAM图(图4)中存在离群点,而我们在PROCAS图中未见到这些离群点,尽管我们展示的PROCAS数据明显更多。进一步研究将有助于确定这些差异的原因以及哪些方法可以改善结果。然而,结果(见图4)非常相似,标准剂量与低剂量图像预测之间的大多数差异都很小。

在引言中,我们讨论了先前三种在低剂量乳腺X线摄影中估计VAS评分的方法:(1)在标准剂量图像上训练并用于低剂量图像的模型,(2)在模拟低剂量乳腺X线摄影上训练的模型,(3)在低剂量乳腺X线摄影上微调的模型。由于我们没有ALDRAM数据的VAS评分,我们还需要考虑该方法在标准剂量数据上预测的质量以及低剂量与标准剂量预测之间的相似性。由于使用了不同的测试集和指标,比较并不直接。对于第一种方法,预测值与标准剂量图像VAS评分之间的Pearson相关系数为0.817;低剂量与标准剂量预测之间为0.98。6对于第二种方法,等效指标的Spearman秩相关分别为0.87和0.979。对于第三种方法,等效指标分别为0.817(使用预测值进行训练)和0.92。6我们的方法等效指标的Spearman秩相关为0.84和0.98。PROCAS上的结果使用了不同的测试集,因此不能直接比较——第二种方法使用的PROCAS数据是PROCAS数据的一个子集,旨在减少标签变异性,从而获得更高的相关性。然而,总体而言,我们的方法在低剂量与标准剂量图像之间显示出高相关性,并且与标准剂量VAS评分具有良好的相关性。

本研究的一个局限性是缺乏ALDRAM数据的专家阅片者VAS评分;相反,我们依赖标准剂量图像上的模型预测作为标签。虽然这是一个局限性,但标准剂量图像上的模型预测与VAS评分相关性良好,因此应可作为有效的替代指标。

另一个局限性是,所有图像均来自GE Senographe Essential系统,模型尚未在其他系统上进行测试。此外,VAS测量方法在全球放射科医生中并不常用,因此在其他地区进行验证可能具有挑战性。此外,我们使用的是原始(“用于处理”)图像,这些图像可能并不总是可用,且我们的模型尚未在处理后的图像上进行测试。我们的研究表明,乳腺X线摄影密度估计可以使用低剂量乳腺X线摄影图像进行;这有可能用于筛查年龄以下的女性,以帮助评估乳腺癌风险。结合遗传和家族史等其他因素,这可能有助于采用更早期的筛查或其他策略。5

研究乳腺癌诊断质量如何随辐射剂量变化将具有重要价值;有可能大幅降低辐射剂量的乳腺X线摄影图像可用于乳腺癌评估。在已知辐射剂量与乳腺癌预测质量之间关系的情况下,可以对辐射剂量降低水平做出知情选择;降低剂量仍可能提供相当大的诊断能力,即使剂量略高(例如在全剂量的20%而非10%)。如果是这种情况,那么低剂量乳腺X线摄影图像就有可能同时用于诊断和风险评估。

结论

所研究的三种深度学习模型(ResNet-18、ResNet-50和DenseNet-161)在模拟低剂量图像上的密度预测性能与标准剂量图像上相似,无论是联合训练模型还是独立训练模型均如此。与分别训练的模型相比,联合训练的模型在模拟低剂量图像与标准剂量等效图像之间的预测相似性更高。

与PROCAS标准图像和模拟低剂量图像相比,ALDRAM标准图像与低剂量图像之间的预测相似性有所降低。了解这些差异的原因将具有重要价值,并且在可能的情况下改进模型,使其在ALDRAM低剂量数据上的表现与在PROCAS模拟低剂量数据上一样好。然而,对于大多数图像而言,ALDRAM数据中标准图像与低剂量图像之间的预测差异较小,在临床使用这些方法时不太可能成为问题。我们的工作表明,通过低剂量乳腺X线摄影,可以为年轻女性提供自动密度评估。这一结论适用于联合训练模型和仅在模拟低剂量图像上训练的模型,以及三种模型类型(ResNet-18、ResNe50和DenseNet-161),所有这些模型均表现出高性能。

引用

  1. Squires S, Mackenzie A, Evans DG, et al. Deep learning models to predict mammographic density jointly on standard dose and low dose images. Br J Radiol. 2026. PMID: 42049900. doi:10.1093/bjr/tqag090
  2. 全文:PMC13274640(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13274640/

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。