LCCSE-IPCNN-ViT：融合IWF与MTransUNet分割的肺癌分类及严重程度估计

《Frontiers in Artificial Intelligence》：Lung cancer classification and severity estimation using vision transformer-IPCNN with enhanced U-Net segmentation

　　

摘要
引言：由于检测延迟，肺癌（lung cancer）死亡率正在上升。基于机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）的若干自动化肺癌诊断技术已被开发用于早期检测。然而，现有方法存在局限性，包括较高假阳性率、较低敏感性和较高时间消耗，这可能影响早期肺癌诊断。
方法：为解决这些局限性，提出肺癌分类与严重程度估计–改进并行卷积神经网络–视觉Transformer（Lung Cancer Classification and Severity Estimation–Improved Parallel Convolutional Neural Network-Vision Transformer, LCCSE-IPCNN-ViT）模型。该框架由预处理、分割、分类和严重程度估计阶段组成。首先，输入图像使用改进维纳滤波（Improved Wiener Filtering, IWF）技术进行预处理。随后，预处理图像使用修改版TransUNet（Modified TransUNet, MTransUNet）模型进行分割。最后，分割图像使用IPCNN-ViT模型进行分类并估计其严重程度，该模型结合了改进并行卷积神经网络（Improved Parallel Convolutional Neural Network, IPCNN）和视觉Transformer（Vision Transformer, ViT）。
结果：所提出的LCCSE-IPCNN-ViT模型达到准确率97.3%、敏感性97.8%、特异性96.8%、精确率96.8%、F-measure 97.3%和ROC-AUC 98.5%。
讨论：实验结果表明，所提出的LCCSE-IPCNN-ViT模型可提供准确有效的肺癌分类和严重程度估计，表明其支持早期肺癌诊断的潜力。

论文主体内容解读

肺癌死亡率因晚期检测而上升，全球肺癌病例和死亡人数显著增加。研究人员指出，早期诊断和干预对提高肺癌5年生存率十分重要，因为肺癌具有异质性和侵袭性。近年来，正电子发射断层成像（Positron Emission Tomography, PET）、胸部X射线、计算机断层扫描（Computed Tomography, CT）、磁共振成像（Magnetic Resonance Imaging, MRI）、常规X射线摄影（Conventional Radiography, CRG）和低剂量计算机断层扫描（Low-Dose Computed Tomography, LDCT）等医学影像技术被广泛探索用于肺结节检测。CT被认为是肺结节检测的金标准成像工具，但只能识别明显的肺癌，且具有较高假阳性率并产生有害X射线辐射。LDCT为减少有害辐射而开发，但接受LDCT的受试者中癌症相关死亡仍高度集中。一些新成像技术缺乏人体对象临床验证。计算机辅助诊断（Computer-Aided Diagnosis, CAD）系统通常包括图像处理、感兴趣区域提取、特征选择和分类，其中分类和特征选择对提高CAD系统敏感性和准确性至关重要，但良恶性结节分类仍困难。深度学习（Deep Learning, DL）辅助放射科医生诊断时，虽可自动提取高层次特征，但存在高假阳性、低敏感性和较高时间消耗等缺点。现有预处理方法可能抑制高频成分并模糊细小结构细节；传统分割方法在捕获全局上下文特征时可能无法保留细粒度局部信息；若干CNN方法提取冗余特征且不能表示复杂CT图像中的长程依赖；混合CNN-ViT模型改善特征表示但计算复杂度更高；现有方法多关注二分类/多分类肺癌分类，未提供准确严重程度测量；部分模型依赖单一图像来源或成像条件，泛化能力不足。因此，研究人员开展LCCSE-IPCNN-ViT框架研究，以提高CT图像质量、准确分割可疑肺区域、提取判别特征，并有效捕获局部与全局上下文信息，用于可靠肺癌分类和严重程度估计。该研究提出四项贡献：IWF用于CT图像预处理，在降低噪声的同时保留锐利边界和细粒度结构细节；MTransUNet通过残差连接、多尺度深度可分离注意力门（Multi-Scale Depth-Wise Attention Gate, MSDAG）模块和Gaussian Error Linear Unit（GeLU）激活函数进行准确分割；IPCNN通过深度可分离卷积、Coordinate Attention（CA）和HardElish-Swish-Hyperbolic Tangent Function-Based Normalization（HE-S-HTFBN）模块增强特征表示并减少冗余特征；IPCNN-ViT结合并行CNN和Vision Transformer，用于准确分类和严重程度估计。

关键技术方法概括：研究人员采用IWF进行预处理；采用MTransUNet进行分割，该模型包含残差连接、MSDAG和GeLU激活；采用IPCNN-ViT进行分类和严重程度估计，其中IPCNN结合深度可分离卷积、CA、HE-S-HTFBN，ViT用于分类。实验使用LIDC-IDRI数据集和LUNA16数据集，其中LUNA16仅用于交叉验证；仿真使用Python、TensorFlow及PyDICOM、SciPy、Scikit-learn、OpenCV和NumPy等库。样本队列来源为公开胸部CT数据集。

4.1 仿真过程（Simulation procedure）：研究人员使用Python、TensorFlow及相关库实现并仿真所提出的LCCSE-IPCNN-ViT，使用LIDC-IDRI数据集和LUNA16数据集进行肺癌分类与严重程度估计分析，其中LUNA16仅用于交叉验证。
4.2 数据集1描述：LIDC-IDRI数据集（Dataset 1 description: LIDC-IDRI dataset）：该公开胸部CT数据集包含1,018例病例，每例有CT扫描和四名专家放射科医生的XML标注。研究使用2,241个数据点，二分类为0：非肿瘤1,117个和1：肿瘤1,124个；严重程度多分类共1,124个，0=轻度、1=中度、2=重度、3=更严重，各类分别为394、256、236和238。研究还给出不同训练比例下的训练与测试划分。
4.3 数据集2描述：LUNA16数据集（Dataset 2 description: LUNA16 dataset，仅用于交叉验证）：该开源胸部CT图像集包含888例CT扫描，其中589例癌症和299例非癌症。本研究选取445例患者样本，其中306例癌症和139例非癌症，用于评估肺癌分类和严重程度评价。
4.4 肺癌分类与严重程度预测评估（Evaluation of lung cancer classification and severity prediction）：以CNN + Mask R-CNN和PSSO-based DL为基线模型，观察分类器检测效率。基线IPCNN分类在70%和90%训练数据下准确率分别为93.18%和95.86%，在80%和90%下敏感性分别为94.93%和96.09%。LCCSE-IPCNN-ViT在70%和90%训练数据下准确率分别达96.5%和98.8%，90%时敏感性为98.66%；IPCNN-ViT在90%训练数据变化下达到最高精确率和特异性98.95%。在负例估计中，基线DenseNet的假阴性率（False Negative Rate, FNR）和假阳性率（False Positive Rate, FPR）最高，而IPCNN-ViT在90%训练集下将FNE和FPR降至1.33%和1.04%。F-measure和负预测值（Negative Prediction Value, NPV）在90%训练变化下分别接近98%和97%。
4.4.1 严重程度分类（Severity classification）：比较基线和IPCNN-ViT分类器在轻度、中度、重度、更严重分类中的表现。LCCSE-IPCNN-ViT在90%训练数据比例下保持最大准确率和精确率，分别为98%和96.1%；肺癌误分类导致FNR和FPR较低，分别为3.8%和1.29%。
4.5 消融实验结果（Ablation experimental outcome）：通过去除预处理和分割、使用传统Wiener预处理、传统transUNET、不使用分割、传统ViT等设置进行消融。无预处理和分割时，模型在80%训练集下准确率分别为90.3%和91.2%；传统Wiener和transUNET框架准确率分别为93.2%和92.4%；LCCSE-IPCNN-ViT将检测可靠性提升至97.3%。
4.6 统计研究（Statistical study）：基于准确率进行统计评估。DenseNet平均准确率81.3%、中位数81.2%、最小值75.9%、最大值86.9%；GoogLeNet平均和最大准确率分别为82.5%和85.9%。IPCNN-ViT平均准确率96.9%，最大和最小分别为98.8%和94.8%。
4.7 模型结果显著性分析（Significance analysis of model results）：采用Friedman、Wilcoxon和Kruskal统计检验验证模型可靠性。Friedman检验中，DenseNet与IPCNN-ViT的p值为0.0289，Linknet与IPCNN-ViT为0.0152，显示显著差异；基线PCNN的Friedman p值为0.0714，Wilcoxon p值为0.0755，显示无显著差异。Kruskal检验中，DenseNet和Parallel CNN的p值分别为0.1675和0.1988，显示无显著差异。
4.8 图像质量指标评估（Assessment of image quality metrics）：采用峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）和结构相似性指数（Structural Similarity Index Measure, SSIM）评估预处理图像质量。均值滤波PSNR和SSIM最低，分别为31.656和0.903；传统Wiener滤波PSNR为40.329、SSIM为0.943；IWF达到最高PSNR和SSIM，分别为43.499和0.963。
4.8.1 预处理结果（Pre-processing outcome）：可视化比较了样本图像、Gaussian滤波、传统Wiener滤波、均值滤波和IWF的滤波图像结果。
4.9 分割相似性指标（Segmentation similarity metrics）：使用Dice和Jaccard指标评估分割。Fuzzy C-Means（FCM）分割准确率最低，为80.7%，Dice为0.753，Jaccard为0.738；MTransUNet达到最高分割准确率97.8%，Dice为0.966，Jaccard为0.954；传统TransUNet准确率为0.946，Dice为0.945，Jaccard为0.935。
4.9.1 分割结果（Segmentation outcome）：可视化比较了样本图像、FCM、UNET、ResUNET、传统TransUNet和MTransUNet的分割结果。
4.10 用ROC-AUC评估肺癌分类（Assessing lung cancer classification with ROC-AUC）：受试者工作特征曲线下面积（Receiver Operating Characteristic–Area Under the Curve, ROC-AUC）用于区分癌症和非癌症病例。基线Parallel CNN和EfficientNet的AUC分别为95%和93%；IPCNN-ViT达到最大AUC 98.5%。
4.11 跨数据集验证分析（Cross-dataset validation analysis）：当用数据集1训练、数据集2测试时，准确率96.9%、敏感性97.4%、特异性96.4%、精确率96.5%、F-measure 96.9%、MCC 93.8%、NPV 97.4%，FPR和FNR分别为3.6%和2.6%。反向训练和测试时，准确率、敏感性、特异性、精确率、F-measure、MCC和NPV分别为95.9%、96.0%、95.7%、95.8%、95.9%、91.7%和95.9%，FPR和FNR分别为4.3%和4.0%。
4.12 计算复杂度分析（Computational complexity analysis）：所提方法训练时间为64.000 s，推理时间为0.0299 s。DenseNet训练时间最低，为63.849 s，推理时间0.0298 s；PSSO-based DL训练时间最高，为91.217 s，推理时间0.0426 s。

讨论与结论部分总结：研究人员在结论中指出，早期检测肺癌对改善预后和减少全球死亡至关重要。CT扫描常用于肺癌分类，但由于疾病特征多样，该任务具有挑战性。因此，研究人员引入LCCSE-IPCNN-ViT，该模型包括预处理、分割、分类和严重程度估计阶段：首先使用IWF预处理输入图像，随后使用MTransUNet分割，最后使用IPCNN-ViT混合模型进行肺癌分类和严重程度估计。实验结果表明该模型具有准确性和敏感性，IPCNN-ViT在肺癌分类中明显优于基线误标活动，在90%时FNE和FPR最低，分别为1.33%和1.04%。该模型存在若干局限：LCCSE-IPCNN-ViT在LIDC-IDRI数据集上测试，因此CT扫描仪、成像方法、图像质量和患者群体差异可能影响其向其他临床环境泛化；模型性能依赖分割、分类和严重程度的数据标签准确性；四类严重程度标签需进一步依据临床指南验证；评估为回顾性，需要基于其他独立、多中心、前瞻性临床数据集进一步验证。未来研究将使用更大、多中心、更多样化的CT数据集验证该框架，以确保在不同成像条件下的泛化性；通过纳入临床和多模态数据改进癌症分类和严重程度评估；并开展可解释人工智能方法相关研究。