TransUNetB：一种先进的Transformer-UNet框架，用于高效且可解释的脑肿瘤分割

《Informatics in Medicine Unlocked》：TransUNetB: An Advanced Transformer–UNet Framework for Efficient and Explainable Brain Tumor Segmentation

脑肿瘤多类分割模型TransUNetB通过融合Transformer的全球注意力与UNet的局部细节捕捉，结合多尺度解码融合模块，在BraTS 2020和2021数据集上实现Dice 98.90%和IoU 96.10%，显著优于CNN及纯Transformer模型，同时保持63ms/张的高效推理。贡献包括：(1) 瓶颈Transformer编码器捕获长程依赖，跳跃连接保留空间细节；(2) 多尺度解码融合提升边界精度；(3) Grad-CAM可解释性分析验证临床一致性。

　　脑肿瘤的分割在神经肿瘤学中具有重要价值，其准确性和效率直接影响疾病的诊断、治疗方案的制定以及病情监测。随着深度学习技术的发展，研究者们尝试结合不同模型的优势来提升分割性能。本文提出的TransUNetB模型，通过将Transformer架构与U-Net结构相结合，展现了在多类脑肿瘤分割任务中的优越表现。该模型不仅能够捕捉长距离依赖关系，还保留了U-Net的跳接结构以维持局部空间细节，同时引入了多尺度解码融合模块，从而提高了低对比度和异质性肿瘤区域的边界清晰度。研究结果表明，TransUNetB在BraTS 2020和BraTS 2021数据集上取得了98.90%的Dice分数和96.10%的IoU分数，同时保持了大约63毫秒的推理速度，这表明其在准确性和效率之间取得了良好的平衡，适合临床部署。

### 研究背景与挑战

脑肿瘤是神经系统中最为严重的疾病之一，对全球健康构成了重大负担。由于其复杂的结构、异质的外观和浸润性生长模式，早期检测和有效治疗方案的制定面临巨大挑战。此外，患者之间肿瘤生长的不规则性和强度变化进一步加剧了这一问题。尽管磁共振成像（MRI）被广泛认为是神经肿瘤学中的临床标准，其高分辨率和多参数扫描能够识别关键的肿瘤亚区，如水肿（ED）、非增强肿瘤核心（TC）和增强肿瘤（ET），但手动分割仍存在耗时且容易出现不同观察者之间的差异性问题。这促使研究者们开发自动且精确的分割方法。

近年来，深度学习方法在医学图像分析领域取得了显著进展，尤其是在脑肿瘤分割方面。卷积神经网络（CNN）如U-Net通过编码器-解码器结构和跳接机制，展现了在捕捉局部空间细节方面的强大能力。然而，CNN的局部感受野限制了其在建模长距离依赖关系方面的表现，导致在处理不规则肿瘤边界时出现欠分割现象。为了解决这一问题，研究者们引入了注意力机制，以增强模型对关键肿瘤区域的识别能力。此外，残差连接等技术也被用于改善特征在各层间的传播。尽管注意力机制提升了模型的全局建模能力，但它们通常会牺牲局部细节，同时计算成本较高。因此，研究者们继续探索能够结合全局建模与局部细节的混合架构，以在准确性和计算效率之间取得平衡。

### 模型设计与创新点

TransUNetB的设计旨在解决上述问题。它在U-Net的瓶颈层引入了一个轻量级的Transformer编码器，以捕捉全局上下文关系，同时保留U-Net的跳接路径以维持局部纹理信息。此外，模型还采用了多尺度解码融合模块，通过整合不同分辨率的特征，提高了在低对比度和异质性肿瘤情况下的边界清晰度。该模型的设计使得在分割过程中能够兼顾全局信息和局部细节，从而提高了整体的准确性。

在模型的构建过程中，研究者们对多个关键设计因素进行了消融实验，包括注意力类型、位置编码、融合策略、损失函数和切片大小。实验结果显示，使用多头自注意力（MHSA）可以显著提高分割精度，而位置编码的引入则增强了模型的稳定性。相比之下，移除Transformer编码器会导致Dice分数下降3.9%，IoU分数下降4.97%，表明该组件在模型性能中的关键作用。此外，使用多尺度融合策略比简单的拼接或加法融合更能提升分割精度，同时也保持了模型的高效性。

### 模型性能与优势

TransUNetB在BraTS 2020和BraTS 2021数据集上的表现优于许多现有的CNN和纯Transformer基线模型。其Dice分数达到98.90%，IoU分数达到96.10%，这表明其在捕捉肿瘤区域和减少错误分割方面的卓越能力。此外，模型的推理时间仅为63毫秒，远低于一些更复杂的Transformer架构，如Swin-UNet和UNETR，这使其在实际临床应用中更加高效。

在对比实验中，TransUNetB的性能显著优于其他方法。例如，传统的U-Net在BraTS 2020和2021数据集上的Dice分数分别为91.2%和92.1%，而TransUNetB的Dice分数达到了98.90%。这种性能提升主要得益于其混合架构的设计，能够同时捕捉全局上下文和局部细节，从而在复杂结构的分割中表现出色。此外，模型在不同分辨率切片下的表现也显示出其在处理低对比度和异质性肿瘤区域时的稳定性。

### 可解释性分析

为了增强模型的可解释性，TransUNetB采用了Grad-CAM技术，以可视化模型在分割任务中的注意力区域。通过定量的聚焦/熵度量，研究者们验证了这些显著区域与临床肿瘤亚结构的一致性。例如，在ED（水肿）区域，Grad-CAM的热图显示了模型对肿瘤周围肿胀区域的高度关注，而在TC（肿瘤核心）区域，模型则更关注肿瘤内部的低信号区。ET（增强肿瘤）区域的热图则突出显示了肿瘤边缘的增强区，这与临床观察一致。这种可解释性不仅增强了模型的临床可信度，还为模型的优化和改进提供了方向。

此外，研究者们还应用了SHAP（Shapley Additive Explanations）技术，以在像素级别上评估模型对各肿瘤类别的贡献度。SHAP分析显示，模型在不同肿瘤类别上的注意力分布与临床特征高度一致，例如，在ET类别中，模型对增强边缘的注意力更高，而在TC类别中，模型更关注肿瘤内部的低信号区。这种细致的可解释性分析有助于提高模型在临床环境中的透明度，使其决策过程更加可靠。

### 模型的局限性与未来方向

尽管TransUNetB在性能和效率方面表现出色，但其当前的局限性仍然存在。例如，该模型仅在BraTS 2020和2021数据集上进行了训练和评估，因此其在其他医学影像模态（如CT或PET）或跨中心数据集上的泛化能力尚需进一步验证。未来的研究可以探索将TransUNetB扩展到多模态数据，以及通过多中心验证提高其泛化能力。此外，模型目前仅处理2D切片，而忽略了体积连续性，因此未来的工作可以考虑将模型扩展为2.5D或3D架构，以提高对复杂肿瘤结构的建模能力。

另一个值得关注的方向是模型的轻量化部署。虽然TransUNetB的计算效率已经优于许多Transformer基线模型，但其在低性能硬件上的适用性仍有待提升。通过INT8量化和缩小切片大小，研究者们已经展示了模型在低资源环境下的可行性。此外，将TransUNetB集成到实际的PACS（Picture Archiving and Communication System）系统中，可以进一步提升其在临床环境中的实用性。模型支持DICOM-SEG格式的输出，并且可以在医学影像系统中进行可视化，从而帮助放射科医生和临床医生更好地理解和使用模型的输出。

### 结论

综上所述，TransUNetB通过结合Transformer的全局注意力机制和U-Net的局部特征提取能力，成功解决了脑肿瘤分割中的关键问题。其在准确性和效率上的良好平衡，使其成为临床部署的理想选择。此外，通过Grad-CAM和SHAP等可解释性分析，研究者们验证了模型在临床中的可靠性，并提供了对模型决策过程的可视化支持。这些特性不仅提升了模型的性能，还增强了其在医学影像分析中的适用性。

未来的研究方向包括：探索模型在其他医学影像模态上的应用，通过多中心验证提高其泛化能力，以及将模型扩展为3D架构以更好地处理体积连续性。此外，进一步优化模型的轻量化部署，使其能够在资源受限的环境中运行，也是重要的研究课题。通过这些努力，TransUNetB有望在临床实践中发挥更大的作用，为精准医疗和疾病管理提供有力支持。