《Bioengineering》：Context-Dependent Effects of Lung Segmentation Preprocessing on Radiology-Report-Derived Pneumonia Classification in Chest Radiographs: A Comparative Study Across Acquisition Settings and Backbone Architectures
编辑推荐：
肺分割（lung segmentation）常用于将胸片（chest radiograph）分类器限制于肺部解剖结构，但其观察到的效应可能随采集设置、掩膜来源和模型配置而变化。研究人员在MIMIC-CXR-JPG上评估放射学报告衍生肺炎分类（radiology
肺分割（lung segmentation）常用于将胸片（chest radiograph）分类器限制于肺部解剖结构，但其观察到的效应可能随采集设置、掩膜来源和模型配置而变化。研究人员在MIMIC-CXR-JPG上评估放射学报告衍生肺炎分类（radiology-report-derived pneumonia classification），涵盖两种正位视图、五种输入条件（原始图像、MedSAM3掩膜/裁剪和CheXMask掩膜/裁剪）及七种骨干架构（backbone architecture），采用患者分组的5折交叉验证（patient-grouped 5-fold cross-validation）并设置15%外部留出集（outer holdout）。在前后位（anteroposterior，AP）胸片中，RAD-DINO结合MedSAM3裁剪获得数值最高的AUROC（受试者工作特征曲线下面积）0.8153（95%置信区间[CI]，0.7984–0.8316）。在后前位（posteroanterior，PA）胸片中，原始EVA-X-Base获得数值最高的AUROC 0.8261（95% CI，0.8048–0.8462）。跨骨干架构，裁剪相对原始的AUROC差异较小且异质，经多重性校正后均未保持统计学显著；未正式评估等效性或非劣效性。硬掩膜（hard masking）在PA胸片中显示更大的平均AUROC降低（MedSAM3为?0.0141，CheXMask为?0.0142），其中四个骨干架构特异的PA掩膜对比在Holm校正后仍显著。上述发现不支持肺聚焦预处理（lung-focused preprocessing）在内部验证的MIMIC-CXR-JPG队列中具有普遍获益。跨骨干架构差异在共享训练方案下作描述性解释，这些预处理效应向独立机构和影像人群的可推广性仍有待确立。
研究背景与问题：胸部X线摄影（chest radiography）因快速、廉价且临床常规可及，广泛用于心肺疾病初步评估和随访。MIMIC-CXR和MIMIC-CXR-JPG等大型公共数据集促进了肺炎等常见影像征象深度学习模型的开发与可重复评价，CheXpert等报告衍生标签框架支持大规模队列构建。然而，单一数据集内的高判别力不一定表明分类器依赖临床相关肺部信息；模型可能利用医院身份、便携采集特征、支持设备、图像边界、文本标记和疾病患病率差异等采集或数据集特异线索。Zech et al.和DeGrave et al.的研究提示，胸片模型可受跨医院系统和数据集特异混杂因素影响。利用肺分割进行解剖限制是减少非肺部背景信息的直观策略，但也可能去除胸膜、肺门、膈肌或周围胸部等潜在有用特征。其效应还可能随前后位（anteroposterior，AP）与后前位（posteroanterior，PA）视图、掩膜使用方式（硬掩膜[hard masking]与掩膜引导裁剪[mask-guided cropping]）、分割来源和骨干架构（backbone architecture）而变化。Teixeira et al.和Miao et al.等提示解剖限制并非一致有益，但裁剪如何与采集视图、分割来源及更广泛骨干家族交互仍不清楚，故研究人员开展匹配比较研究。研究在MIMIC-CXR-JPG上分开分析AP和PA队列，比较原始图像、MedSAM3掩膜/裁剪、CheXMask掩膜/裁剪五种输入和七种骨干，共70个视图-预处理-骨干配置，采用患者分组5折交叉验证及15%外部留出集（outer holdout），以AUROC（受试者工作特征曲线下面积）为主要判别指标、AUPRC（精确率-召回率曲线下面积）为次要指标，并进行输入几何、分割质量、控制分类实验、重复训练种子、Grad-CAM（梯度加权类激活映射）和不确定性标签敏感性分析。主要结论为：在该内部验证队列中，肺聚焦预处理未表现出一致获益；裁剪相对原始的差异较小且异质，硬掩膜尤其PA队列倾向降低判别；肺分割预处理不应被视为单一干预。其意义在于为分割引导分类实验提供方法学参照，强调需保留原始胸片作为匹配参照并明确描述下游变换。
关键技术方法：回顾性计算研究，样本队列来源为MIMIC-CXR-JPG v2.1.0；研究级肺炎标签来自CheXpert报告衍生标签，仅保留明确0和1，排除?1与缺失。AP和PA分开分析；五种输入条件为原始图像、MedSAM3掩膜/裁剪、CheXMask掩膜/裁剪，七种骨干形成70个配置。采用患者分组5折交叉验证和15%外部留出，AUROC主指标、AUPRC次指标。MedSAM3以语义文本提示“lung”生成掩膜，CheXMask由左右肺游程编码重建；裁剪由掩膜边界框加边距确定，硬掩膜将掩膜外像素置零。统计采用患者聚类bootstrap和DeLong型配对检验并行Holm校正；另以Dice、IoU、HD95评价分割，并行Grad-CAM和不确定性标签敏感性分析。
研究结果：
4.1 队列特征与预处理输出：通过队列构建和输入几何分析，最终纳入41?503张AP/PA胸片（22?894张AP、18?609张PA，21?612例患者），AP和PA报告衍生肺炎患病率分别为49.7%和31.3%；70个计划配置均完成。固定外部测试集含AP 3?280张（1?763例）和PA 2?521张（1?743例），同一视图内五种预处理保持相同患者和图像。裁剪明显改变视野和有效肺尺度，硬掩膜后重采样输入中精确零像素比例较高。
4.2 独立分割质量：通过专家参考轮廓评价200张PA和100张AP胸片，MedSAM3和CheXMask总体Dice较高；AP技术困难、肺边界难勾画及肺炎阳性病例中重叠较低，提示分割准确性并非跨条件均匀。
4.3 分割相关分类错误分析：将100张AP参考图像链接EVA-X-Base集成预测，各条件分类错误约32–33/100；正确与错误分类图像间Dice、IoU和HD95无一致差异，低重叠掩膜未见一致更高错误。交叉来源一致性、中心裁剪fallback和肺面积比分析均为描述性，未证明分割特异的一致性关联。
4.4 主要分类性能：通过配对AUROC比较，AP中RAD-DINO+MedSAM3裁剪数值最高（0.8153），较原始RAD-DINO（0.8131）差+0.0021但不显著；PA中原始EVA-X-Base数值最高（0.8261），裁剪差异不显著。28个裁剪对原始比较经Holm校正均不显著；四个PA硬掩膜比较显著降低AUROC，涉及DINOv3-Base和EVA-X-Base。
4.5 不确定性标签敏感性：通过评估端点重编码和训练策略分析，纳入不确定标签改变绝对AUROC/AUPRC，但裁剪对原始差异总体仍小，硬掩膜尤其PA仍较不利；U-Zero训练相对Explicit-only多降低判别，U-One变化小且不一致，主要预处理模式大致保留。
4.6 预处理策略与掩膜来源因素分析：通过骨干平均比较，裁剪对原始AUROC差异小且置信区间多含零；硬掩膜在AP和PA均显示负的平均差异，PA更大且置信区间排除零；两种分割来源无一致优势。EVA-X-Base和RAD-DINO数值较高，但共享训练方案下仅作描述性解释。
4.7 预处理机制控制实验：以ResNet-152和EVA-X-Base进行控制实验，MedSAM3引导裁剪与分割匹配尺寸的中心裁剪差异小且置信区间含零；0%、10%、20%裁剪边距未见一致单调变化；软掩膜未明显恢复硬掩膜损失；裁剪优于硬掩膜和软掩膜，PA中硬/软掩膜仍低于原始。该实验提示裁剪窗口放置影响有限，但未隔离分割独立贡献。
4.8 折水平与训练种子稳健性：折水平分析中裁剪效应方向异质，硬掩膜尤其PA方向更一致；种子42、123、2026下硬掩膜在24个骨干-视图-来源-种子比较中均低于原始，裁剪对原始不稳定；裁剪减硬掩膜在AP和PA均方向稳定，重复种子支持该对比。
4.9 Grad-CAM可视化与定量肺野归因分析：通过将裁剪输入归因图反投影至原始坐标并汇总五折模型，裁剪增加肺野内归因质量和前10%高归因像素比例，但该集中度不应解释为病灶定位或诊断性能提高；硬掩膜未纳入该定量分析。
讨论部分总结：主要发现是肺分割预处理未一致改善报告衍生肺炎分类；裁剪差异小且异质，硬掩膜倾向降低判别。裁剪与硬掩膜在视野、有效解剖尺度、背景像素分布和边界结构上产生不同变换，不能仅归因于解剖限制。专家参考分割质量总体较高，但未与下游分类错误表现一致关联，硬掩膜降低不太可能仅由粗大分割失败解释。AP与PA为不同患者队列且患病率不同，视图间差异不能单独归因于投影类型；领域预训练模型数值较高，但未消除预处理敏感性。方法学上，应将肺聚焦预处理视为显式输入变换，保留原始胸片作为匹配参照，采用配对效应及不确定性报告，并明确不确定性标签处理。局限包括报告衍生标签弱监督、仅内部验证、RAD-DINO和EVA-X与MIMIC-CXR预训练存在重叠可能、AP参考集由单一专家标注、控制实验事后且有限、未预设等效或非劣效界值、阈值分析为交叉拟合、重复种子架构有限。
研究结论（译）：在所评价的采集视图和骨干架构中，肺分割预处理未一致改善放射学报告衍生肺炎分类。掩膜引导裁剪相对原始胸片产生较小且异质的AUROC差异，未正式证明等效或非劣效性能。相反，硬掩膜倾向降低判别，尤其在PA队列。输入几何分析进一步显示，这些方法产生实质性不同的变换：裁剪改变视野和有效解剖尺度，硬掩膜显著改变背景像素分布。因此，肺分割不应被视为单一解剖限制干预；其下游效应取决于分割信息如何转化为分类器输入。评价分割引导预处理的研究应保留原始胸片作为匹配参照，并明确刻画掩膜和裁剪引入的变换。尚需外部验证以确定这些发现能否推广至内部评价的MIMIC-CXR-JPG队列之外。
