纹理引导的分层架构TexTNet：面向全切片图像的前列腺癌Gleason分级分割

《Frontiers in Medicine》：TexTNet: a texture-guided hierarchical architecture for prostate cancer Gleason segmentation in whole slide images

　　

摘要专业翻译 前列腺癌是男性最常见的恶性肿瘤之一，准确分割Gleason分级对于有效诊断和治疗规划至关重要。当前的深度学习方法在融合CNN与Transformer的互补特征方面常常面临困难，主要依赖于拼接或求和等朴素的特征融合技术。这些方法未能充分利用纹理与全局上下文的互补优势，限制了分割性能。为解决这一挑战，研究人员提出TexTNet，一种新颖的纹理引导分层架构，将局部二值模式（Local Binary Pattern，LBP）特征集成到Swin Transformer的查询投影中，构建纹理引导注意力（Texture-Guided Attention）机制。该方法引导Transformer的注意力聚焦于富含纹理的区域，如腺体边界和细胞核簇，从而提高分割精度。研究人员进一步通过双路径压缩-融合-激励（Dual Path Squeeze-Fusion-Excitation，DP-SFE）模块增强特征融合，缓解边界模糊问题，并引入非对称卷积块（Asymmetric Convolution Blocks，ACB）实现高效特征提取。此外，跨方向特征聚合器（Cross-Directional Feature Aggregator，CDFA）在解码器融合过程中确保精确的位置重建和噪声抑制。研究人员在SICAPv2、PANDA、ProstateX和HuBMAP数据集上评估TexTNet，在前列腺癌分割中展现出优于现有最先进方法的性能。TexTNet有望成为临床决策支持工具，在复杂真实世界组织病理图像上表现出稳健性能，并具有提升前列腺癌分级诊断可靠性的潜力。

论文解读

一、研究背景与问题

前列腺癌（Prostate Cancer，PCa）是全球男性中第二常见的恶性肿瘤，也是癌症相关死亡的主要原因之一。临床管理中，Gleason分级系统是评估肿瘤侵袭性和制定治疗方案的核心依据，病理学家通过识别腺体组织学结构模式（从分化良好的腺体即Grade 3，到融合、筛状或间变结构即Grade 4和5）来判定Gleason评分。然而，全切片图像（Whole Slide Images，WSIs）的人工评估本质上具有主观性、劳动密集型特点，且存在显著的观察者间和观察者内差异，普通病理学家的不一致率高达30%–50%。尤其Grade 3与Grade 4模式之间的关键区分往往由腺体边界的细微破坏所定义，这使得开发客观、定量、自动化的决策支持系统尤为必要。

深度学习技术的引入推动了自动化Gleason分级的进展。早期方法依赖手工特征（如LBP和Haralick纹理）来捕捉决定肿瘤级别的染色质密度和间质特征，但这些描述符缺乏建模高层语义上下文的能力。卷积神经网络（CNN）特别是U-Net及其变体实现了端到端特征学习，擅长提取局部层次特征，但其性能从根本上受限于卷积操作的局部性——标准CNN的感受野往往不足以捕捉区分紧密排列的单个腺体簇（Grade 3）与大型连续融合腺体（Grade 4）所需的长程依赖关系，导致分割图碎片化。视觉Transformer（ViT）通过自注意力机制建模全局依赖，但纯Transformer方法在医学图像中面临关键的纹理语义鸿沟——不同于自然图像中对象由清晰形状定义，组织学模式往往由高频纹理和细微边界条件定义，Transformer通常表现为低通滤波器，倾向于优先考虑全局形状而非局部纹理，导致边界过度平滑，无法捕捉高级别肿瘤精确的锯齿状边缘。当前混合方法尝试结合CNN编码器与Transformer瓶颈，但大多依赖简单的特征融合策略（如拼接或求和），将纹理与全局上下文视为独立信息流，未能利用二者的互补性。

二、研究内容与意义

研究人员提出TexTNet，一种新颖的纹理引导分层架构，旨在克服Gleason分级和腺体分割的具体挑战。该方法从根本上重新思考了手工先验与深度学习机制之间的交互——不抛弃传统描述符，而是将LBP直接集成到Swin Transformer的查询投影中，构建对全局上下文和局部形态细微差异均敏感的注意力机制。为保障稳健的特征融合，引入DP-SFE模块作为协同注意力桥梁，动态重新校准特征并缓解与patch合并相关的边界模糊。在解码器中，采用ACB强化方向性结构边缘，并通过CDFA显式重建位置坐标。该研究在SICAPv2、PANDA、ProstateX和HuBMAP四个数据集上验证了TexTNet的优越性能，表明其作为临床决策支持工具的潜力，有助于提升前列腺癌分级诊断的可靠性。

三、关键技术方法

研究人员构建了四阶段渐进式处理架构。第一阶段，图像依次通过LBP1和Swin-Transformer Block 1，随后进行patch合并并在DP-SFE Block 1中融合。第二阶段，LBP2特征与查询向量（Q）拼接实现纹理引导注意力，再经patch合并和DP-SFE Block 2精炼。第三、四阶段重复此模式。编码器前三阶段特征经ACB作为精炼跳跃连接，与解码器上一阶段的上采样图通过CDFA模块融合。最终由精炼分割头（RSegH）聚合多尺度特征生成分割图。核心方法包括：纹理引导注意力机制（将LBP特征集成到Swin Transformer查询投影）、DP-SFE模块（双路径通道与空间压缩-融合-激励）、ACB（非对称卷积强化方向性边缘）以及CDFA（坐标感知注意力重建空间信息）。研究使用了SICAPv2、PANDA、ProstateX和HuBMAP四个公开数据集。

四、研究结果

纹理引导注意力机制。 研究人员将LBP特征变换后与Swin Transformer块内的查询向量Q直接拼接，使注意力分数同时具备空间感知和纹理敏感性，迫使模型在分割过程中关注组织结构中细粒度的形态细节。

LBP纹理描述符。 LBP模块作为与Swin Transformer互补的并行特征提取器，显式建模局部强度变化，捕捉不同Gleason分级特有的细胞核混乱排列和间质纹理。通过将注意力条件化于LBP特征，模型聚焦于不变的形态结构（如核密度和上皮粗糙度）而非可变的染色值，确保跨不同染色方案的稳健泛化。

DP-SFE模块。 该模块将纹理特征图与语义特征图作为双流输入。cSFE分支通过全局平均池化压缩通道信息，经全连接层建模两流间通道依赖并生成重校准权重；sSFE分支关注信息区域的位置（如区分腺体边界与背景噪声），实现通道与空间两个维度的动态特征重校准，缓解patch合并导致的边界模糊。

ACB与CDFA。 ACB采用方向性卷积显式强化水平和垂直结构边缘，以较低计算成本增强特征提取。CDFA在编码器-解码器融合阶段利用坐标感知注意力重建精确位置信息并抑制间质噪声，最终由RSegH通过元素级求和聚合多尺度特征，经两层卷积调整通道维度生成高质量语义分割图。

五、讨论与结论

讨论部分指出，当前混合CNN-Transformer方法大多采用拼接或求和等朴素融合策略，未能利用纹理与全局上下文的互补优势。TexTNet通过将LBP集成到注意力查询中，使注意力机制不仅空间感知而且显式纹理敏感；DP-SFE作为协同注意力桥梁动态重校准特征响应；ACB增强方向性边缘提取；CDFA重建位置信息并抑制噪声。研究结论表明，TexTNet在SICAPv2、PANDA、ProstateX和HuBMAP数据集上均展现出优于现有最先进方法的前列腺癌分割性能，在复杂真实世界组织病理图像上表现稳健，有望作为临床决策支持工具提升前列腺癌分级的诊断可靠性。