一种基于多特征图注意力网络的超声频谱到图（US2G）框架，用于B超图像中的自动病灶分类

《Biomedical Signal Processing and Control》：An ultrasound spectrum-to-graph (US2G) framework with multi-feature graph attention networks for automated lesion classification in B-mode ultrasound imaging

　　

## 中文翻译

本文提出的物理驱动的频谱到图范式，通过自适应声波能量扩散区域（AEDR）提取和多级Otsu阈值分割，将B型超声ROI图像转换为多特征加权图，无需人工标注或大量预训练语料。

多注意力头GATv2分类器，通过边缘条件动态注意力和可微分层池化，捕捉CNN、ViT和标准GCN无法触及的不规则病灶拓扑，同时通过图级抽象对散斑噪声具有鲁棒性。

在BUSI数据集上达到91.47%准确率，DDTI数据集上达到93.82%，CAMUS数据集上达到89.63%，仅使用48.7K参数和6ms推理时间：相比同等构建的GCN提升3.88–5.49个百分点，参数量比当代基础模型减少400倍以上。

### 引言

超声（US）成像凭借其软组织结构实时、无电离辐射且经济高效的成像能力，是现代临床实践中应用最广泛的一线诊断成像方式之一[1], [2]。B型（亮度模式）超声将反射声波回波幅度编码为灰度图像上的像素强度，是乳腺肿块、甲状腺结节和心脏结构初步评估的标准成像模式。尽管应用广泛，但可靠解读B型超声图像需要大量专业知识。观察者间变异性研究一致表明，即使是经验丰富的放射科医师，在大多数超声特征上的甲状腺结节TIRADS分类仍存在小到中等的分歧率[3], [4]。对于乳腺超声，研究表明基于人工智能的决策支持系统整合到临床工作流程中可减少观察者间和观察者内变异性[5]，但大多数深度学习模型的"黑箱"特性仍阻碍了监管审批和放射科医师信任[6]。

自动计算机辅助诊断（CAD）系统可将病灶分类为良性或恶性，并进一步按ACR BI-RADS或TIRADS分级进行子分类，能显著减少这种变异性，并作为第二读者工具协助放射科医师[7]。这些系统的开发进展迅速，从手工特征流水线到端到端深度神经网络，再到最近基于数百万图像预训练的超声专用基础模型[1], [2]。

卷积神经网络及其现代变体在超声CAD文献中占据主导地位，在多个基准数据集上达到了接近放射科医师的准确率。然而，使它们在自然视觉中表现出色的假设，却在诊断超声不规则、噪声严重的环境中成为最大的劣势，原因有三。

**散斑噪声。** 声背散射的相干干涉产生乘性散斑噪声，以空间非均匀的方式破坏单个像素值。近期的散斑抑制深度学习方法，包括无监督散斑到散斑（S2S）框架[8]和度量优化知识蒸馏模型[9]，证实散斑仍是破坏原始像素特征的基本挑战，这促使采用图级抽象来聚合相干声学簇而非单个像素。

**不规则病灶边界。** 恶性与良性病灶在边界不规则性、后方声学行为及内部回声纹理方面存在系统性差异。这些属性表现为回声强度的不规则空间模式，固定核卷积无法在没有引入无关上下文的大型感受野的情况下最优捕捉。

**可变ROI尺度。** 病灶尺寸从几毫米到几厘米不等。激进缩放会扭曲具有诊断相关性的形状特征，而多尺度架构则增加计算成本。因此，一种天然尺度不变的代表更为可取。

视觉Transformer（ViTs）[10]通过注意力机制在块级token上部分解决了感受野限制，但仍将图像划分为规则网格，且在小型医疗数据集上需要大量训练数据才能匹配CNN性能[11]。近期基于BUSI的ViT集成方法达到91.1%准确率[12]，但以数百万参数和大型图像语料预训练为代价。基于数百万未标注超声图像预训练的基础模型[13], [14]提供了强大的下游泛化能力，但其推理成本（数亿参数，>100ms/ROI）和不透明性仍是实时、可解释临床部署的障碍。

图神经网络（GNNs）提供了一种原则性替代方案。通过构建节点和边反映有意义的图像区域间实际空间与语义关系的图，GNNs可在不受网格结构化卷积约束的情况下捕捉不规则拓扑。近期对医学影像GNN架构的综合综述[15]指出，基于注意力的GNNs是分类任务的领先类别，因其能为诊断异质性邻居分配非均匀重要性权重，而这正是超声病灶分类所需的特性。

**本工作的核心洞察在于：** B型图像中病灶周围的声波能量扩散模式在其空间拓扑中编码了具有诊断相关的信息，而不仅仅在单个像素强度中。恶性病灶如浸润性导管癌和甲状腺乳头状癌倾向于产生不规则、毛刺状边界和后方声影；其能量扩散区域呈现复杂的多叶空间分布，具有陡峭的强度梯度和高内部异质性。良性病灶如纤维腺瘤和甲状腺囊肿则产生光滑、界定清晰的边界和后方声增强，形成紧凑、空间均匀、低异质性的扩散区域。正常组织产生空间随机、低幅度的扩散，具有高纹理熵和低空间相干性。

这些结构差异可以通过将ROI建模为图来捕捉，其中每个节点代表一个相干声学能量斑块，边编码相邻斑块间的多维相似性。GATv2[16]通过学习为不同邻居分配不同重要性权重，非常适合利用此拓扑结构，因为邻居斑块的诊断权重取决于其相对位置、强度对比和与中心病灶的纹理关系，且这些均因病灶类型而异。

本文提出五项贡献并附定量证据：

**(C1) 物理驱动的AEDR提取。** 我们提出一种自适应流水线，使用多级Otsu阈值分割将候选ROI的B型强度图分为四类声学类，创建声学能量扩散区域以定义具有诊断相关的区域，无需手动标注边界。这是性能贡献最大的部分：去除该模块并将所有ROI像素视为节点，在BUSI上损失6.14个百分点（91.47%→85.33%，表8）；用二值Otsu掩码替代四类划分则损失3.97个百分点。

**(C2) 多特征图构建与复合边权重。** AEDR内每个超阈值像素簇成为一个图节点，携带六维特征向量：空间质心（cx, cy）、平均强度μ、香农纹理熵H、梯度幅度G和回声同质性η。边由三项复合相似性函数加权。与仅用强度的边相比，复合公式提升3.43个百分点准确率；纹理相干项和空间邻近项分别独立贡献2.88和2.34个百分点（表8）。

**(C3) 边缘条件的多注意力头GATv2与分层池化。** 两层架构的动态注意力同时受节点特征和复合边权条件约束，并使用可微分层池化（DiffPool）[17]以在可变拓扑输入上实现稳定训练。相比在相同图上运行的GCN，准确率提升分别为＋3.97个百分点（BUSI）、＋5.49个百分点（DDTI）和＋3.88个百分点（CAMUS），从而分离了注意力机制本身与图表征的贡献。在分类器内部，边条件贡献2.34个百分点，GATv2相比GATv1贡献1.80个百分点，DiffPool相比扁平池化贡献1.80个百分点，八头注意力相比单头注意力贡献2.88个百分点。

**(C4) 跨模态、跨数据集评估。** 我们在BUSI（乳腺）、DDTI（甲状腺）和CAMUS（心脏）上与五个涵盖CNN、ViT和GCN族的基线进行比较，5折交叉验证在所有三个数据集上标准差低于1个百分点准确率（表10）。第5.5节将这些结果与近期发表的方法进行定位。

**(C5) 48.7K参数下临床对齐的可解释性。** 节点级注意力权重与放射科医师可解读的BI-RADS特征在空间上对齐。模型需要48.7K参数和6ms/ROI CPU推理时间，对比ResNet-50的25.6M/62ms和ViT-B/16的86.6M/115ms（表1），分别减少526倍和1778倍参数量，为符合新兴临床AI系统可解释性要求提供了一条可解释性路径[18], [19]。

为设定后续结果的预期，我们在开篇陈述本研究的约束条件。US2G是ROI级分类器：它假定由上游检测器或放射科医师提供边界框，其性能因此取决于该框的质量。它仅处理单帧图像，不利用cine序列的时间信息。其评估基于三个中等规模的公开基准（780、298和2000张图像），均为回顾性且单源或少源，因此报告的准确率应视为与在相同条件下训练的基线进行比较的相对优势证据，而非前瞻性临床性能的估计。最后，AEDR构建假定具有诊断信息的声学能量可通过强度阈值分割与背景分离，对于与周围实质回声等强度的病灶，此假设会减弱。第6.6节详细讨论这些要点并在实验允许时量化其后果。

相关工作在第2节综述，第3节详述US2G框架。第4节分析计算复杂度。第5节呈现实验结果，包括与近期发表方法的对比（第5.5节）。第6节讨论临床意义和局限性。第7节为结论。

### 章节片段

**CNN和Transformer方法在超声病灶分类中的应用**

B型超声CAD深度学习沿较为一致的轨迹发展。早期系统微调ImageNet预训练骨干（VGG、ResNet、Inception），在小型超声队列上报告80%–88%的二分类良性/恶性准确率[23]，但由于队列大小、类别平衡和验证协议差异，这些数字跨研究难以比较。后期工作处理了此环境下两个反复出现的障碍（数据稀缺和

### 方法论

图1展示了完整的US2G流水线。给定B型超声图像I∈?^H×W和检测器或放射科医师提供的候选ROI边界框R=(rx, ry, rw, rh)，框架通过三个顺序模块产生类别标签?∈C。

**AEDR提取**

多级Otsu阈值分割（K=4类）需要计算直方图（O(P·Q)）、优化阈值组合（对L=256, K=4可处理：≈2.7×10^6次评估，每次O(K)）以及标记连通分量（O(P·Q)）。总计：O(P·Q+L^3)；实测标准CPU运行时间<15ms。

**图构建**

计算节点特征需要对每个簇像素进行一次遍历（O(|AEDR|)≤O(P·Q)）。使用δ邻域边滤波器，d?≤8且n≤50给出O(400)次边计算。总计：O(P·Q)。

**GAT前向传播**

每层GAT

**BUSI：乳腺超声图像数据集**

BUSI数据集[23]包含600名25–75岁女性患者的780张B型超声图像，采集于埃及开罗Baheya医院。图像分为三类：正常（133张）、良性（437张）和恶性（210张）。提供了真值病灶掩码；掩码边界框用作ROI输入，带有20像素上下文边距。

BUSI仍是三类乳腺超声分类的标准基准。对该数据集，近期自监督和基于Transformer的

**与当前格局的定位**

BUSI分类竞争日益激烈。在三类BUSI上，具有双多算子变换的自监督框架[56]达到89.2%，基于ViT的集成[12]达到91.1%。US2G达到91.47%，但参数减少400倍以上且无需外部语料预训练。然而，如第5.5节所述，这些数字基于不同实验协议。我们的解读是，物理驱动的图构建

### 结论

我们提出了US2G，一个将频谱到图范式从雷达信号处理扩展到B型超声病灶分类的框架。通过将每个ROI周围的声学能量扩散形态翻译为多特征加权图，并用带有DiffPool粗化方法的边缘条件多注意力头GATv2进行分类，US2G以48.7K参数和6ms/ROI推理时间达到91.47%（BUSI）、93.82%（DDTI）和89.63%（CAMUS）准确率。

三项发现具有

### CRediT作者贡献声明

Arshad Iqbal：写作–审阅与编辑、原创稿件撰写、可视化、软件、方法论、调查、形式分析、数据整理、概念化。Sohail Asghar：写作–审阅与编辑、验证、指导、资源、项目管理、概念化。

### 利益冲突声明

作者声明他们无已知竞争性经济利益或可能影响本文所述工作的个人关系。

Arshad Iqbal | Sohail Asghar