基于深度学习的放射影像体部定位与胸部投照方位自动分类系统：一项多中心验证研究

《European Radiology》：Deep learning models for radiography body-part classification and chest radiograph projection/orientation classification: a multi-institutional study

本研究针对大规模放射影像数据集中常见的体部部位和投照方位标签错误问题，开发了两种深度学习模型Xp-Bodypart-Checker和CXp-Projection-Rotation-Checker。通过对来自多个机构的86万余张影像进行训练和外部验证，模型在体部分类（AUC>0.99）和胸部投照方位识别（AUC=1.00）方面表现出卓越性能，为放射影像数据的质量控制和深度学习研究提供了可靠工具。

　　

在医学影像学领域，胸部X线摄影作为最常用的影像学检查手段之一，其基于深度学习（DL）的辅助诊断模型近年来取得了显著进展。这些模型不仅能够检测疾病，更能实现对人类而言极具挑战性的任务，如评估心功能、肺功能及生物年龄等。然而，随着数据规模的扩大和来源的多样化，数据质量控制问题日益凸显。特别是在DICOM格式的影像数据中，体部部位和投照方位等基本标签依赖于人工录入，难免出现错误和缺失。这些看似基础的标签错误，以及影像的各种旋转问题，都可能严重影响深度学习模型训练和验证的可靠性。

目前虽已有一些机器学习方法用于放射影像分类，但多数研究局限于单一机构或小规模数据集，其泛化能力存疑。为此，Yasuhito Mitsuyama等研究人员开展了一项多中心回顾性研究，旨在开发并外部验证两种深度学习模型，分别用于放射影像的体部分类以及胸部投照方位和旋转的识别。

研究人员采用了高效的数据处理流程和先进的深度学习架构。研究收集了来自多个医疗机构和公共数据库的放射影像数据，其中Xp-Bodypart-Checker模型开发阶段纳入了429,341张影像，CXp-Projection-Rotation-Checker模型开发阶段使用了463,728张胸部影像。所有影像均经过专业放射科医生审核校正标签，确保参考标准的准确性。模型基于EfficientNet架构构建，采用交叉熵损失函数进行优化，并使用了TrivialAugment Wide数据增强技术提升泛化能力。

模型性能评估结果

Xp-Bodypart-Checker在外部测试集上表现优异，对除不完全胸部外的所有类别均达到AUC值为1.00（99% CI：1.00-1.00），不完全胸部类别的AUC值为0.99（99% CI：0.98-1.00）。在机构B的外部测试中，微平均准确率达到98.5%。模型能够准确识别头部、颈部、胸部、不完全胸部、腹部、骨盆和四肢七个类别，为大规模放射影像数据库的自动校验提供了有效工具。

胸部投照方位分类结果

CXp-Projection-Rotation-Checker在投照方位（前后位、后前位、侧位）和旋转（直立、倒置、左旋、右旋）分类任务中均表现出色，所有类别的AUC值均为1.00（99% CI：1.00-1.00）。在机构A的外部测试中，投照分类的微平均准确率为98.5%，旋转分类的准确率超过99.9%。该模型能够同时学习两个相关任务，实现了高效的胸部影像方位识别。

错误分析与模型优化

研究人员对误分类案例进行了深入分析，发现某些特定情况会影响模型判断。例如，包含上腹部的胸部影像可能被误分类为腹部，心脏轮廓较大的后前位影像可能被误判为前后位，而明显脊柱侧弯的后前位影像可能被误认为侧位片。这些发现为模型进一步优化提供了方向。

本研究开发的两种深度学习模型为解决放射影像数据标签错误问题提供了实用解决方案。通过自动验证体部部位、投照方位和旋转标签，为临床工作和研究项目奠定了更可靠的基础。研究人员还开发了基于网络的公开应用程序，使模型能够实际应用于影像标签的自动校验。未来研究方向包括实时测试、儿科应用场景拓展以及针对边界案例的多标签输出优化。

该研究的创新之处在于使用了超大规模多中心数据集进行模型开发和外部验证，同时解决了体部分类和投照方位识别两个关键问题。Xp-Bodypart-Checker创新性地将胸部影像细分为完全和不完全两类，而CXp-Projection-Rotation-Checker则首次在同一网络中实现了投照和旋转的同时分类。这些技术突破为放射影像数据的质量保障提供了新思路，有助于提升深度学习研究的可靠性和临床应用的准确性。

尽管研究存在一定局限性，如未包含儿科患者和全身扫描影像，但其所提出的方法为大规模放射影像数据库的质量控制提供了有效工具。随着医学人工智能的不断发展，这种基于深度学习的自动校验技术将在确保数据完整性、提高研究可重复性方面发挥越来越重要的作用。