《Diagnostics》：Automated Intracranial Hemorrhage Segmentation in CT Images Using Attention U-Net with Deep Supervision and Test-Time Augmentation
编辑推荐：
背景/目的： 颅内出血（intracranial hemorrhage, ICH）是一种危及生命的疾病，需要利用计算机断层扫描（computed tomography, CT）进行快速、准确的诊断。手动分割耗时且存在观察者间差异，这促使了自动化分割方法的发展。
背景/目的： 颅内出血（intracranial hemorrhage, ICH）是一种危及生命的疾病，需要利用计算机断层扫描（computed tomography, CT）进行快速、准确的诊断。手动分割耗时且存在观察者间差异，这促使了自动化分割方法的发展。本研究基于RSNA颅内出血检测数据集（RSNA Intracranial Hemorrhage Detection dataset），提出了一种增强型注意力U-Net（Attention U-Net）用于颅内出血分割，该数据集的20,154幅图像中仅有1,082幅具有像素级标注。所提出的架构整合了注意力门控（attention gates）、深度监督（deep supervision）、余弦退火（cosine annealing）和测试时增强（test-time augmentation, TTA）。此外，还开展了一项消融研究（ablation study）以评估各组成部分的贡献。方法： 采用相同的实验方案对提出的注意力U-Net和基线U-Net（baseline U-Net）进行训练和评估。在独立测试集上使用Dice分数（Dice score）、交并比（intersection over union, IoU）、灵敏度和精确率评估性能。为验证性能优势在不同数据集间的可复现性，两种架构还在独立的脑出血分割数据集（Brain Hemorrhage Segmentation Dataset, BHSD）上以相同方案进行了额外训练和评估，该数据集包含源自192个CT体数据的2,961幅标注轴向切片，其中BHSD测试集包含621幅切片。结果： 在独立RSNA测试集上，所提出的注意力U-Net取得了0.7965（±0.0814）的Dice分数，优于基线U-Net（0.7683 ± 0.0906）。所提出模型的IoU为0.6689，灵敏度为0.8094，精确率为0.7966。在BHSD测试集上，注意力U-Net再次优于基线U-Net，Dice分数为0.5676对0.5063，灵敏度为0.5350对0.5138，IoU为0.4408对0.3924。因此，所提出的架构在两个独立数据集上均表现出一致的相对性能优势，尽管在BHSD上的绝对性能低于RSNA。结论： 研究结果表明，整合注意力机制、多尺度监督和推理阶段增强能够提升颅内出血分割性能。在两个独立数据集上相对于基线U-Net的一致改进进一步支持了所提出架构的有效性和跨数据集鲁棒性。结果还凸显了半监督学习（semi-supervised learning）在利用颅内出血数据集中大量未标注CT数据方面的潜力。
论文解读
一、研究背景与意义
颅内出血是指血液在颅腔内血管外积聚，是一种具有潜在致命后果的严重神经系统疾病。其病因多样，包括创伤性脑损伤、高血压性出血、血管畸形、颅内肿瘤、脑静脉血栓形成和脑淀粉样血管病等。由于临床表现异质且可能快速进展，及时准确地检测颅内出血对有效临床管理和改善患者预后至关重要。据统计，颅内出血的估计发病率为每10万人年约25例，发病后第一个月内死亡率接近40%。因此，及时准确的神经影像学检查对于确定出血位置和体积、评估继发性脑损伤风险以及指导紧急治疗决策至关重要。
CT是评估急性脑损伤的金标准影像学检查手段，具有采集时间短、可及性广和对出血性病变敏感性高等优点。在临床实践中，放射科医生通常在CT图像上手动识别出血性病变，这一过程耗时且存在观察者间差异和人为错误。为克服这些局限，计算机辅助诊断系统日益受到关注，人工智能在其中发挥着自动化医学图像分析的核心作用。自动分割是计算机辅助诊断流程的基本组成部分，因为它能为诊断和临床判读提供出血区域的精确定位和描绘。
现有研究大多聚焦于出血与非出血区域的二分类判别，而较少关注出血区域的精确像素级分割。此外，文献中报道的分割性能仍然有限，尤其是在边界不规则或解剖结构复杂的情况下。因此，亟需稳健而精确的分割方法。该研究正是基于这一临床需求，提出了一种统一的注意力引导分割框架，以解决低对比度CT图像中与小型、不规则出血性病变相关的前景-背景严重不平衡和边界模糊问题。
二、研究内容与主要技术方法
研究人员提出了一种增强型注意力U-Net，在标准四层U-Net架构基础上整合了四项互补且独立驱动的增强策略：软加性注意力门控（soft additive attention gates）、深度监督（deep supervision）、测试时增强（test-time augmentation, TTA）和余弦退火学习率调度（cosine annealing learning rate schedule）。编码器-解码器主干与基线保持一致，确保完全受控的比较环境。
数据集方面，研究使用了RSNA颅内出血检测数据集，该数据集包含20,154幅多中心采集的脑CT图像。由于原始发布仅提供切片级标签而无像素级标注，研究人员通过专家放射科医生使用Roboflow平台进行多边形标注，经质量控制后最终获得1,082幅有效的图像-掩膜对。数据集按固定随机种子以70/10/20比例划分为训练集（756例）、验证集（109例）和测试集（217例）。此外，为评估跨数据集可复现性，研究还在独立的BHSD数据集上进行了验证实验，该数据集包含192个CT体数据，经3D到2D切片转换和患者级划分后，训练、验证和测试集分别包含133、20和39例患者，对应2,035、305和621幅2D切片。
三、研究结果
基线U-Net性能： 标准四层U-Net训练25个轮次后，最佳验证Dice分数为0.7696，测试集Dice分数为0.7683，灵敏度为0.7582，IoU为0.6322。
消融研究： 为隔离各组件贡献，研究人员逐步添加组件进行了系统消融实验。变体A仅添加余弦退火学习率，Dice分数提升+0.0079（0.7683→0.7762），灵敏度提升+0.0296（0.7582→0.7878），证实平滑的学习率衰减稳定了优化过程。变体B在变体A基础上添加注意力门控，Dice分数进一步增加+0.0048（0.7762→0.7810），且Dice标准差从±0.0910降至±0.0803，表明注意力门控通过抑制无关背景激活降低了样本间预测变异性。变体C进一步添加深度监督，产生了最大的单组件灵敏度增益，从0.7877提升至0.8128（+0.0251），Dice分数提升+0.0121（0.7810→0.7931），IoU提升+0.0162（0.6474→0.6636）。
注意力U-Net完整模型性能： 完整模型在第22个轮次达到最佳验证Dice分数0.7833，早于基线的第25个轮次。测试集上，注意力U-Net的Dice分数为0.7965，较基线提升+0.0282；灵敏度为0.8094，较基线提升+0.0512，是唯一超过0.80灵敏度参考值的主要模型；IoU从0.6322提升至0.6689（+0.0367）；精确率从0.7901小幅提升至0.7966（+0.0065）。特异性两种模型均≥0.9974。TTA在推理阶段进一步提升了Dice分数+0.0034和IoU+0.0053。
跨数据集可复现性评估（BHSD）： 在BHSD测试集上，注意力U-Net在所有点估计指标上均优于基线U-Net：Dice分数0.5676对0.5063（+0.0613），灵敏度0.5350对0.5138（+0.0212），IoU 0.4408对0.3924（+0.0484）。配对统计检验显示，RSNA上平均配对改进为0.0193（95% bootstrap置信区间[0.0056, 0.0336]，Wilcoxon符号秩检验p<0.05），BHSD上平均配对改进为0.0514（95% bootstrap置信区间[0.0221, 0.0842]，p<0.05），两者均具有统计学显著性。
四、讨论与结论
讨论部分指出，注意力U-Net在灵敏度（0.7582→0.8094）和Dice分数（0.7683→0.7965）上的提升表明其能更准确地检测和分割出血区域。消融研究为各组件贡献提供了定量证据：余弦退火单独带来+0.0079的Dice提升并降低训练不稳定性；注意力门控贡献额外+0.0048的Dice增益并显著降低预测变异性；深度监督产生最大的单组件增益，灵敏度提升+0.0251；TTA以零额外训练成本进一步提升Dice+0.0034和IoU+0.0053。与既往RSNA研究相比，所提出的2D注意力U-Net取得了0.7965的Dice分数，与报道的3D nnU-Net结果（约0.79）相当。BHSD实验证实了跨数据集的可复现性，模型相对排序在两个数据集上保持一致，但绝对性能较低，这可能反映了BHSD更详细的体素级3D标注、较少的独特患者数量以及空切片移除等因素的影响。
研究结论为：本研究评估了两种用于二值颅内出血分割的模型——标准四层U-Net和所提出的整合了深度监督、TTA和余弦退火的注意力U-Net，两者均在1,082幅像素标注的RSNA图像上以相同划分、损失函数、批大小和AMP设置下进行训练。消融研究显示每个组件均贡献了增量改进。在独立BHSD数据集上的重训练验证中，注意力U-Net在每项指标上均再次优于基线，确认了所提出增强的性能优势在两个评估数据集上得以保持，增强了该优势反映真实架构收益而非数据集特定过拟合的信心。标注粒度、病变大小和患者多样性仍是决定绝对性能的关键因素，也是未来工作的优先方向。
