基于经典机器学习框架的腰椎间盘突出MRI高效可复现分类方法

《Diagnostics》：Advancing Lumbar Disc Herniation Classification from MRI Using an Efficient and Reproducible Classical Machine Learning Framework

　　

背景/目标：腰椎间盘突出症的常见诊断手段是磁共振成像（Magnetic Resonance Imaging, MRI）。由于专家手动判读MRI扫描需要专业知识，该过程非常耗时。使用基于机器学习（machine learning, ML）的路径将腰椎MRI图像分类为“正常”或“突出”，是分析寻求类似病理改变的MRI扫描的一种有效方式。方法：所提出的方法首先将原始腰椎MRI图像从彩色转换为灰度，调整尺寸，滤波并归一化（使用双边算法），然后利用基于主成分分析（Principal Component Analysis, PCA）的分解进行特征提取。研究人员采用五折外层和三折内层嵌套交叉验证对总共十种经典机器学习分类器进行评估，主成分数目仅在内层折中选取。结果：Extra Trees取得了最高的F₁-分数85.86%（95% CI: 84.16–87.44%）和最高ROC-AUC 90.96%（95% CI: 89.27–92.54%），准确率为84.29%，精确率为82.03%，召回率为90.07%，特异度为77.79%。随机森林取得了最高准确率84.36%（95% CI: 82.40–86.26%），但其总体性能与Extra Trees相当。结论：研究结果支持传统机器学习分类器在所评估的图像级数据集上进行二分类的潜力，同时保持了相对简单的设计和计算效率。本研究未与深度学习模型进行直接实证比较。

腰椎间盘突出是引起全球下腰痛的常见疾病，当椎间盘组织超出正常范围并压迫邻近神经时，可导致疼痛、麻木或功能障碍。MRI因软组织对比度好且无创，成为诊断腰椎间盘突出的金标准，但人工判读MRI需要专业知识和大量时间。人工智能技术可自动化分析医学图像，尤其是深度学习中的CNN在脊柱MRI分析中已有大量应用，然而深度学习方法通常依赖大规模标注数据、高昂计算资源和复杂调参，且现有研究在数据集、预处理、评估协议上缺乏标准化，导致结果难以跨研究比较和泛化。相比之下，经典机器学习（CML）在计算效率、可解释性和简便性上具有优势，但已有研究多采用手工特征或临床变量，较少在统一预处理和评估条件下系统比较多种CML分类器。为填补这一空白，研究人员提出了一个结构化、可复现的经典机器学习流水线，用于腰椎MRI图像层面二分类（正常 vs. 突出），并不旨在与深度学习方法直接比较优劣。

研究人员收集了1426张矢状T2加权腰椎MRI图像，其中正常671张、突出755张。图像来自沙特阿拉伯国王萨尔曼专科医院（King Salman Specialist Hospital）、国王哈立德国王医院（King Khalid Hospital）以及包括Kaggle在内的公开来源。整个框架包含五个环节：图像获取、预处理、特征表示、PCA降维和分类。预处理将图像统一缩放至200×200像素，使用双边滤波平滑以降低高频噪声，再进行强度归一化和z-score标准化。每张图像展开为40,000维像素强度向量，随后通过PCA降低维度，候选主成分数为10、20、40、60、80和100。研究人员采用五折外层、三折内层的嵌套交叉验证，标准化和PCA仅基于各训练折拟合，主成分数量只在内层折中选取。共评估了十种经典机器学习分类器，包括kNN、SVM、随机森林、Extra Trees、AdaBoost等，超参数固定未进行自动调优。评估指标包括准确率、精确率、召回率、特异度、F₁-分数和ROC-AUC，并使用2000次分层bootstrap计算95%置信区间。需要说明，由于无法获得患者级标识，研究只能进行图像级交叉验证，同一患者图像在不同折中出现重叠的可能性无法排除。

在结果方面，以嵌套交叉验证的汇总预测进行评估。4.1 模型性能比较（Model Performance Comparison）：随机森林取得最高准确率84.36%（95% CI: 82.40–86.26%），Extra Trees取得最高F₁-分数85.86%（95% CI: 84.16–87.44%）和最高ROC-AUC 90.96%（95% CI: 89.27–92.54%），并达到敏感性90.07%、特异度77.79%；KNN的特异度最高（80.33%），而AdaBoost灵敏度极高（99.60%）但特异度很低（15.80%）。4.2 最佳模型详细分析（Detailed Analysis of Best Model）：Extra Trees因F₁-分数和ROC-AUC最高而被选为最佳模型，其对突出类召回率为0.9007、F₁-分数为0.8586，正常类精确率为0.8744、召回率为0.7779、F₁-分数为0.8233，宏平均F₁-分数为0.8410，说明该模型能识别出大多数突出图像，但会相对较多地将正常图像误判为突出。4.3 平滑的影响（Impact of Smoothing）：通过重复嵌套交叉验证比较有无双边滤波的配对F₁-分数，随机森林从0.8410提高到0.8575（差异0.0165；95% CI: 0.0037–0.0294），AdaBoost也提升0.0044（95% CI: 0.0015–0.0079），两者有统计支持；其余分类器的置信区间包含零，平滑效应不明确。4.4 混淆矩阵误差分析（Error Analysis via Confusion Matrices）：聚合五折外层预测后，Extra Trees获得522个真阴性、149个假阳性、75个假阴性和680个真阳性；随机森林总体正确预测数多一个，因此准确率最高；KNN真阴性数最多，与其最高特异度一致；AdaBoost仅漏掉3个突出图像，但将565个正常图像判为突出。4.5 补充性能可视化（Complementary Performance Visualizations）：聚合ROC曲线显示Extra Trees的ROC-AUC最高（0.9096），其次是随机森林（0.9034）和KNN（0.8997），证实这三个模型在区分正常与突出MRI图像方面具有最强的判别能力。

讨论部分指出，平滑的影响依赖具体模型，仅随机森林和AdaBoost获得了有统计学支持的改善；PCA表明像素级特征存在大量冗余，主成分数在每个外折中独立选择，80个主成分在Extra Trees的聚合内层验证中产生最高F₁-分数，但这一数值未被固定为所有最终模型的全局选择。PCA生成的主成分是数学派生特征，不具备直接临床可解释性。集成分类器总体表现更好，但性能指标不能提供具体的机制解释。混淆矩阵可描述误差频率和方向，但无法确定被误判图像是否为临床上的边缘病例。研究局限性包括：仅进行二分类，未区分腰椎间盘突出的亚型和严重度；使用全矢状面图像而未显式定位椎间盘；缺少外部验证；缺少患者标识，只能进行图像级验证；缺少扫描仪和采集参数元数据，无法进行按设备分层评估。

研究结论部分翻译如下：本研究开发了一个用于腰椎MRI分类的结构化框架，结合预处理、PCA降维和经典机器学习模型。结果显示，平滑效果具有模型依赖性，随机森林和AdaBoost在F₁-分数上获得有支持的改善，PCA则降低了高维像素表示的冗余。保留的主成分数量在每个外折内部通过内部验证独立选择；80个主成分对Extra Trees产生了最高的聚合内层验证F₁-分数，但并未作为所有最终模型的固定全局选择。集成分类器总体表现最强：随机森林取得最高平均准确率（0.8436），Extra Trees取得最高F₁-分数（0.8586）和ROC-AUC（0.9096）。然而，在确定更广泛的稳健性、泛化性或临床适用性之前，需要在独立数据集上进行外部验证。本研究表明，经典机器学习结合预处理和PCA在所评估的数据集上可作为一种计算高效的腰椎MRI二分类框架。研究局限包括：数据集规模和变异性有限，依赖像素级特征，以及由于缺乏患者标识而采用图像级而非患者级嵌套交叉验证，因此不能排除同一患者图像在不同验证折中重叠。未来研究将关注更先进的特征表示、提高数据变异性、增加外部验证，以及增强分类模型在真实临床环境中的稳健性。