可解释正则化EfficientNetV2用于早期胃癌诊断决策：内镜伪影下的泄漏控制评估

《Intelligent Systems with Applications》：Explainable regularized EfficientNetV2 for early gastric cancer diagnosis decision making: A leakage-controlled evaluation under endoscopic artifacts

　　

摘要翻译：图像级数据划分使同一患者的图像进入训练集，覆盖94.5%的测试图像。分类头中的谱归一化（spectral normalization）主要改善校准（calibration），而非鲁棒性（robustness）。分类头约束无法修复反射偏移（reflection shift）；伪影感知训练（artifact-aware training）大多可修复。对准确率和反射鲁棒性而言，骨干（backbone）比分类头更重要。Grad-CAM（gradient-weighted class activation mapping）和LIME（local interpretable model-agnostic explanations）图对模型忠实（faithful），显著性图（saliency maps）则不忠实。

研究背景与问题：早期胃癌（early gastric cancer, EGC）早期治疗患者的5年生存率可超过90%，但病灶常较小、仅表现为轻微隆起或凹陷及细微颜色和表面纹理变化，内镜检查存在漏诊风险；计算机辅助诊断（computer-aided diagnosis, CAD）因此受到关注。真实内镜帧还受蠕动、呼吸或镜身运动所致运动模糊及湿性黏膜镜面反射影响，而深度学习分类器对这类伪影敏感。既往研究多在精选高质量帧上报告性能，较少按伪影严重度测量鲁棒性；内镜数据常含同一患者多帧，图像级划分会使同一患者甚至相同帧同时进入训练与测试，从而高估性能；解释图也常被当作“模型观察病灶”的证据，但删除/插入曲线下面积（deletion/insertion AUC）等只能衡量解释图对模型决策的忠实性。基于此，研究人员在患者级、泄漏控制协议下重新评估基于EfficientNetV2-S的EGC分类器，并分析由谱归一化（spectral normalization, SN）与特征Alpha Dropout（Feature Alpha Dropout）构成的正则化分类头（Regularized Classification Head, RCH）能保证什么、不能保证什么。

关键技术方法（≤250字）：研究数据来自Chuncheon Sacred Heart Hospital, Hallym University的单中心白光上消化道内镜图像队列，共3330幅、777例患者。采用患者级分层分组五折交叉验证，并在每折内按患者划分训练/验证集；所有伪影仅对留出测试图像生成。以ImageNet预训练的EfficientNetV2-S为冻结骨干，比较线性探针、MLP头及RCH。参数化运动模糊、镜面反射、组合及高斯噪声，以PSNR、SSIM、锐度比和饱和像素比例量化严重度；采用多随机种子、患者级聚类自助置信区间、校准与Lipschitz分析，以及Grad-CAM、LIME、显著性图的删除/插入AUC评价。

研究结果：
4.1 泄漏审计与数据特征：通过将原图像级K折划分重应用于200个随机排序，研究人员记录到94.5%的测试图像在训练集中至少有同一患者的一幅图像，93.5%的测试患者也出现在训练集，1.2%的测试图像存在像素相同训练副本；患者级协议下这些量为零。数据还显示EGC帧较非EGC帧锐度低（中位Laplacian方差1132对1989，p<0.001），最低锐度四分位中57%为EGC帧。
4.2 伪影严重度测量：通过参数化生成并以PSNR、SSIM、锐度比和饱和像素比例量化，运动模糊从L=5至L=31使PSNR由30.4 dB降至23.8 dB、SSIM由0.92降至0.66；R5反射最破坏（SSIM 0.73、PSNR 11.9 dB、饱和面积8.82%），自然高光最多四分位的饱和面积与R3同量级。
4.3 患者级协议下分类性能：在EfficientNetV2-S特征上，RCH干净图像平衡准确率（balanced accuracy, BA）为0.787、受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUROC）为0.864；M15时BA 0.750、AUROC 0.828；R3时BA 0.707，敏感度由0.755降至0.484而特异度由0.819升至0.931，AUROC 0.829；M15+R3时BA 0.709、AUROC 0.817。干净图像及原伪影设置下三种头BA和AUROC差异不超过0.008；严重及组合模糊下RCH仅略高，且其log loss与期望校准误差（expected calibration error, ECE）在各条件下均明显低于MLP头。
4.4 正则化分类头组件分析：通过相同冻结特征、相同折与多种子配对比较，干净图像、M15和R3下RCH相对MLP头的BA和AUROC差异小且多不显著；L=31时ΔBA为+0.016，M15+R3为+0.014，主要来自敏感度提高，且归因于谱归一化；R5下RCH略差。校准改善更一致，凡含谱归一化的变体均显著降低log loss，而Feature Alpha Dropout单独使用无此效果；温度缩放可达到类似校准水平。
4.5 Lipschitz分析与机制：通过理论分解和实测，谱归一化使第一层谱范数由6.30降至1.06、认证头界L_head由18.7降至3.0、认证边际界G_max由616降至98，并降低经验局部敏感度；输出层可部分补偿，LayerNorm增益仍自由。反射引起向非EGC类的系统性边际偏移，谱归一化未减少；严重及组合模糊下，含谱归一化且隐层为GELU的头对伪影响应较小。
4.6 严重度响应、正则强度与自适应正则试点：通过严重度曲线、正则强度扫描和自适应门控试点，运动模糊下BA下降先由特异度、后由敏感度驱动，反射下主要由敏感度下降驱动；目标谱范数c主要控制校准，较强正则c≤1在严重及组合模糊下BA略高，dropout率影响小；锐度门控能识别合成模糊，但自适应选择c对BA改变至多0.003，oracle选择至多改善0.017，头级自适应空间有限。
4.7 自然退化帧与屏显控制：通过按无参考质量分层及掩膜屏显（on-screen display, OSD），自然模糊最低四分位BA 0.731、AUROC 0.815，低于其余帧的0.779和0.857；自然高光丰富帧未见下降。仅在测试时掩膜OSD使RCH的BA由0.787降至0.732，敏感度升而特异度降；训练与测试均掩膜时BA 0.781、AUROC 0.863。伪影感知训练使R3下BA由0.706升至0.780、R5由0.570升至0.695、M31由0.714升至0.734、M15+R3由0.709升至0.757，干净BA不降，但自然模糊帧改善小。
4.8 骨干比较：通过相同冻结特征协议比较四种ImageNet预训练骨干，ResNet-50、Swin-T和ViT-B/16特征在干净图像上BA分别为0.812、0.822和0.808，AUROC为0.889、0.898和0.890，高于EfficientNetV2-S的0.787和0.867；R3下BA分别为0.794、0.805和0.795，而EfficientNetV2-S为0.703。骨干对准确率和反射鲁棒性的影响大于分类头，EfficientNetV2-S并非该设置下最佳骨干。
4.9 高斯噪声与测试集患病率：通过噪声敏感性和患病率重采样分析，σ=0.1高斯噪声影响小（RCH BA 0.787→0.776），σ=0.5使BA降至0.662；测试集EGC患病率由10%至90%变化时，敏感度、特异度、BA和AUROC保持稳定，而PPV等患病率依赖指标明显变化。
4.10 可解释性：通过删除/插入AUC与随机及中心先验图比较，Grad-CAM在干净、M15和R3条件下均比随机图更忠实；LIME在部分条件更忠实；梯度显著性图在任何条件均未优于随机图，中心先验与随机图无显著差异。由于无像素级病灶标注，结果仅说明解释图反映模型证据，不能证明其与病理病灶一致。
4.11 临床网页原型：通过将原模型集成到网页原型，显示预测概率及Grad-CAM、LIME和显著性图；原文指出部署版本应使用患者级协议训练的RCH、推理前掩膜OSD、显示已报告校准的概率，并将解释图标为模型证据而非病灶分割，该原型尚未在临床流程中评估。

讨论部分总结：讨论指出评估协议比分类头设计更重要；患者级协议下RCH在干净图像及原伪影设置下不改善判别，仅在严重和组合运动模糊下带来约1至2个百分点BA的小幅增益；谱归一化提供认证边际界并持续降低过度自信，而Alpha Dropout与GELU组合在谱归一化存在时无可测额外收益。反射造成的特征是沿决策方向的系统性偏移，头级Lipschitz约束无法消除，伪影感知训练和表示选择更可能改善鲁棒性；自然高光帧未见同等退化，提示不应过度解读合成反射模型。临床意义上，校准概率有价值，但低质量帧应触发重成像而非直接判读，OSD宜在推理前掩膜；解释图应作为模型证据展示。局限包括单中心数据、主要依赖合成伪影、无像素级病灶标注、人口学与多数组织学亚型信息缺失、骨干冻结、CPU导致部分分析规模受限、OSD与锐度混杂等；未来需外部验证、专家标注定位评价、表示级鲁棒性研究及知识蒸馏部署研究。

研究结论（译文）：研究人员在患者级、泄漏控制协议及参数化并测量严重度的伪影条件下，重新评估了用于区分EGC与非EGC内镜表现的EfficientNetV2-S结合正则化分类头。主要结论为：第一，多帧内镜数据的图像级划分几乎使所有测试图像泄漏患者信息，必须避免。第二，正则化头在干净图像或原伪影设置下不改善判别，BA与AUROC同未正则化头统计上不可区分；其判别收益仅限于严重和组合运动模糊下约1至2个百分点BA的小幅提高，镜面反射下无收益。第三，谱归一化提供分类头边际的认证界，并持续降低过度自信，各条件下log loss显著降低且ECE较低；Alpha Dropout与GELU组合在谱归一化之外无可测额外收益。第四，镜面反射所致退化是特征沿决策方向的系统性偏移，任何头级Lipschitz约束均不能消除；受约束头对严重模糊响应稍弱；具有相当自然高光的帧未退化，提示不应过度解释合成反射模型。以伪影污染视图训练分类头可恢复合成反射下的大部分损失，说明该偏移在训练数据中体现时可学习，但该参考结果因训练与测试腐败来自同一生成器而偏乐观。骨干影响大于分类头，ResNet-50、Swin-T和ViT-B/16特征较EfficientNetV2-S更准确且对合成反射更稳健。Grad-CAM和LIME图比随机图更忠实于模型，梯度显著性图则不然，解释图与病理病灶的一致性仍需专家标注确定。因此，内镜伪影鲁棒性主要需通过训练数据、表示和采集环节（伪影感知训练、质量门控推理）解决，正则化头最适合被视为获得校准概率并带来模糊下有限鲁棒性收益的简单决策支持手段。