泄漏控制与模态感知深度集成框架在COVID-19胸部X光及CT分类中的评估研究

《Information》：Leakage-Controlled and Calibrated Deep Ensemble Learning for Reliable COVID-19 Classification from Chest X-Ray and CT Images

　　# 摘要2019冠状病毒病（COVID-19）影像人工智能模型的可靠评估仍然面临挑战，因为患者层面的依赖性、来源相关的偏差以及不同影像模态之间的差异可能导致过于乐观的性能估计。本研究提出了一种泄漏控制、模态感知的深度集成框架，用于基于胸部X光片（CXR）和计算机断层扫描（CT）图像进行COVID-19分类，数据来源为COVID-19放射学数据库和SARS-CoV-2 CT扫描数据集。本研究分别为CXR和CT建立了独立的评估方案：CXR纳入重复控制及可用的来源信息，CT在数据增强前采用患者层面划分。本研究评估了四种ImageNet预训练的卷积神经网络（CNN）——VGG16、ResNet50、DenseNet169和InceptionV3，随后采用温度缩放进行概率校准，并采用验证集优化的加权软投票进行集成融合。原始CT架构对比在切片层面进行，而最终CT评估在患者层面完成。在最终模态特定的留出评估中，DenseNet169在2870张图像的CXR测试集上达到受试者工作特征曲线下面积（AUROC）0.985、准确率97.32%和F1分数98.1%。校准后的加权集成模型达到AUROC 0.990、准确率98.43%和F1分数97.9%，布莱尔分数为0.030，期望校准误差（ECE）为0.023。对于CT，DenseNet169达到AUROC 0.941，正确分类18例患者中的16例（88.89%）；而校准后的加权集成模型达到AUROC 0.969，正确分类18例患者中的17例（94.44%），布莱尔分数为0.070，ECE为0.053。不确定性感知的选择性预测分析识别出2870张CXR测试图像中的316张（11.01%）和18例CT测试患者中的2例（11.11%）为低置信度案例，需由专科医师复核。在剩余CT案例中，16例患者中有15例被正确分类（93.75%）。由于CT测试队列仅包含18例患者，患者层面CT性能及选择性预测结果应谨慎解读为本有限队列的描述性估计。原始混合评估（DenseNet169达到98.51%准确率）仅保留作为探索性架构对比，不应解释为与最终模态特定评估直接可比。研究结果表明，评估设计、统计单位、概率校准和集成融合对COVID-19影像分类性能的解释具有实质性影响。所提出的框架提供了在评估数据集上泄漏感知且经校准的性能估计；然而，在作出更广泛的临床普适性或部署就绪性声明之前，需要进行独立的多中心外部验证。