《Life》：Tumour-Guided Attention with Mask-Supervised Pooling for Leakage-Aware and Explainable Brain Tumour Classification in MRI: A Reproducibility and Evaluation Study
编辑推荐：
脑肿瘤分类器常在未核查患者结构或标注的情况下被报告为近乎完美且可解释。研究人员在Figshare数据集（3064张T1加权对比增强切片，233例患者）上复现了近期的一种注意力框架（SSPANet）。其图像级划分完全存在患者泄漏；每种配置均超过98%准确率，而在
脑肿瘤分类器常在未核查患者结构或标注的情况下被报告为近乎完美且可解释。研究人员在Figshare数据集（3064张T1加权对比增强切片，233例患者）上复现了近期的一种注意力框架（SSPANet）。其图像级划分完全存在患者泄漏；每种配置均超过98%准确率，而在患者级划分上下降5–9个百分点。在固定训练配方下，七个注意力模块与普通骨干网络的差异保持在±0.63个百分点以内，而训练配方使准确率变化高达4.7个百分点。作为案例研究，TG-SSPANet利用专家掩膜监督注意力、训练分割解码器并门控证据池化。采用ResNet50时，其达到96.8%的切片级准确率，并对切片概率取平均后达到98.3%的患者级准确率（若要求每张切片均正确则为84.5%；15%的患者存在切片不一致），处于更简单的使用掩膜流程的置信区间内；其注意力模块未带来可测量的增益。其Grad-CAM++图在81%的留出切片上命中肿瘤，但这由其解码器在构造上决定，而非分类器的推理过程。在肿瘤图像修复后，全切片模型保持80–86%的准确率，置换剩余组织后保持60–74%，因此位置、瘤周线索与组织统计量无法分离。患者级评估、同配方对照与基于掩膜的忠实性检验应在可解释性声明之前进行。
脑肿瘤分类研究长期依赖公开基准数据集报告高准确率，但评估协议中的患者泄漏、注意力模块的实际贡献以及解释图的可信度等问题尚未得到系统检验。本研究以Cheng等发布的Figshare三分类数据集（胶质瘤、脑膜瘤、垂体瘤）为基础，针对近期提出的SSPANet注意力框架开展端到端复现，识别出六个方法学缺口（G1–G6）：肿瘤掩膜未用于训练或解释评估、图像级划分存在患者泄漏、单一注意力模块无消融、类别不平衡未处理、SE与CBAM未评估、计算成本与运行间方差未测量。研究目的在于区分数据泄漏、训练配方与网络架构对性能的各自影响，并检验注意力模块与掩膜监督能否带来真正的定位与忠实性增益。研究人员构建了两种评估协议：P1为原研究的图像级划分（患者泄漏、非留出），仅用于复现；P2为无泄漏的患者级五折交叉验证，所有泛化结论均基于P2。研究提出TG-SSPANet，在预训练骨干网络第2–4阶段插入肿瘤引导条带式注意力（TGSA），引入掩膜引导特征金字塔解码器与肿瘤聚焦池化（TFP）门控，并以多任务目标联合训练。结论表明：P1上所有配置均超过98%准确率，属饱和且不可用于排名；去除泄漏后原配置下降5.4–8.7个百分点，而训练配方单独可提升2.4–4.7个百分点，远超七个注意力模块带来的?0.55至+0.63个百分点差异；TG-SSPANet（ResNet50）达到96.8%切片级与98.3%患者级准确率，但其置信区间与更简单的掩膜使用流程重叠；其Grad-CAM++定位（指向博弈0.811）主要由解码器构造决定，而非分类器推理；肿瘤修复后所有模型仍保持80–86%准确率，且仅凭肿瘤掩膜即可达70.8%切片级准确率，说明该基准中位置与形状携带大量类别信息。研究意义在于确立了患者级评估、同配方对照与基于掩膜的忠实性检验应作为可解释性声明的前提，并公开发布全部代码、划分与逐图预测以促进可重复性。研究方法上，研究人员采用ImageNet预训练VGG16与ResNet50作为骨干，在P1与P2两种协议下系统比较七种注意力模块；以专家掩膜监督TGSA空间logits、训练轻量FPN式分割解码器并构造TFP门控；采用指向博弈、掩膜内能量与CAM-IoU对照专家掩膜量化定位，并以遮挡（肿瘤修复、假修复、诱饵修复、分级上下文）、瓦片置换、删除/插入曲线开展扰动忠实性测试；统计上采用患者聚类bootstrap置信区间、Nadeau–Bengio校正重采样t检验、校准与选择性预测分析；数据来源为南方医院与天津医科大学总医院2005–2010年间采集的Figshare数据集，并按官方五折患者不交叉索引划分。研究结果方面，第一，在P1复现中，所有复现配置均超过98%，与原文报告值差异从1.5至43.9个百分点不等，TG-SSPANet虽达99.67±0.33%，但因P1泄漏且用于开发，不作优越性声明，且GPU非确定性导致重复运行误差数在0–4之间。第二，在P2无泄漏评估中，TG-SSPANet（ResNet50）取得96.82±0.95%切片级准确率与98.28%患者级准确率（κ=0.950），但与同配方对照的置信区间大幅重叠（校正后p=0.725），VGG16下TG-SSPANet在五折均优于两个同配方对照但仅对原配方VGG16校正后显著（p=0.017）；仅用二值掩膜训练的ResNet50达70.80%切片级与79.0%患者级准确率，九项掩膜几何特征的梯度提升分类器达69.2%。第三，解释定位方面，所有基线Grad-CAM++指向博弈仅0.16–0.30，接近或低于中心先验（0.27），而TG-SSPANet达0.811±0.025（无容差0.554），掩膜内能量由0.06–0.09升至0.225；去除TFP后定位回落至0.259，证明门控是决定性组件；解码器掩膜直接作为解释时指向博弈达0.948，说明定位大部分继承自分割分支。第四，忠实性测试中，肿瘤修复后全切片模型仍保持80–86%准确率，假修复改变不超过0.4个百分点，加入两个同形诱饵仅再降1.2–3.6个百分点；瓦片置换下完整肿瘤周围置换保持84–93%，肿瘤修复后全部置换降至60–74%；两阶段ROI裁剪分类器在肿瘤修复后降幅最大（95.6%→64.8%），为已知依赖病灶的正对照；删除曲线AUC为0.504优于随机0.584，但与最佳同配方对照（0.508–0.531）相近。第五，组件消融显示八个变体准确率均在95.2–96.8%之间，无单组件持续提升准确率，而定位仅取决于TFP：含TFP者指向博弈0.80–0.81，不含者维持基线0.25–0.33，TGSA可移除而无准确率或定位的可测量损失。第六，校准与选择性预测方面，TG-SSPANet期望校准误差为0.074（同配方对照0.062–0.067），Brier分数最低（0.064）；90%覆盖率下准确率升至98.4%；温度缩放将期望校准误差降至0.019但使AURC由0.0158升至0.0193。第七，误差分析显示五折共98个切片级错误集中于36例患者，主要混淆为胶质瘤误判为脑膜瘤（35例）与脑膜瘤误判为垂体瘤（30例），93.9%的错误切片预测掩膜仍与标注肿瘤重叠，87%的Dice≥0.5；概率平均下患者级准确率98.3%，多数投票98.7%，最自信切片96.1%，严格全切片正确规则84.5%，15.0%患者存在切片预测不一致。第八，模拟采集偏移下偏置场影响甚微，γ变化影响不超过1.9个百分点，分辨率减半损失1.5个百分点，加性噪声为主要弱点（2%噪声下带掩膜监督模型保持82.8–90.0%，无掩膜监督者降至72.2–75.9%）。讨论部分指出，图像级协议完全患者泄漏且饱和，不应据此排名模型；训练配方的影响超过任何注意力模块；TG-SSPANet的准确率优势幅度小且置信区间重叠，不构成优势声明；仅位置与形状即可解释该基准的很大一部分，说明基准较原始准确率所暗示的更简单。掩膜监督改变的是证据池化的位置而非特征编码内容：TFP在构造上使CAM与病灶重合，但第4阶段特征的感受野覆盖大部分切片，周围信息仍可经肿瘤单元进入分类器；两阶段ROI裁剪分类器是唯一在肿瘤去除后大幅失准的模型，表明限制输入范围而非仅限制池化位置才能更强约束对病灶的依赖。TGSA的各分支在单种子P1消融中均无实质影响，P2上七个注意力模块均未超出折间变异，作者将其作为阴性结果报告，保留TGSA仅因其参数少（0.56 M）且提供可检查的监督注意力信号。临床相关性上，残余错误恰好沿解剖边界分布（蝶鞍旁脑膜瘤与垂体腺瘤、边界清晰的胶质瘤与脑膜瘤），87%的错误仍正确定位病灶，此类病例正是放射科医生需追加序列或临床信息的情形；基于置信度的转诊在90%覆盖率下可达98.4%准确率，但未设定固定转诊阈值，且未校准概率排序更佳而校准概率风险估计更可靠，二者方向相反。局限性包括：单一公开数据集、单一T1-CE对比度、二维切片、无正常类，未开展外部多中心验证；BRISC数据集因源自Kaggle合集且无患者标识，部分切片可能与训练集重复，需先剔除后方可作为独立测试；五折单次运行统计功效有限且所有p值均为描述性；头部设计与φ在泄漏的P1上开发，虽以P2和仅验证集选择φ（96.7%）缓解；忠实性测试的修复与置零均产生分布外图像；定位指标衡量空间一致性而非因果忠实性；TG-SSPANet训练需要肿瘤掩膜，未研究弱监督；因原文实现细节缺失无法精确复现其数值。结论部分翻译如下：本研究的主要发现关乎如何评估注意力式脑肿瘤分类器，而非如何构建它们。研究人员复现了近期一种注意力式可解释脑肿瘤分类框架，并证明其图像级评估完全存在患者泄漏且已饱和。在无泄漏的患者级协议下，配以同配方对照、患者级统计与校正检验，注意力模块（包括SSPANet与本研究自有的TGSA模块）相较训练良好的骨干网络未带来可测量的准确率增益，且训练配方比架构更为重要。在掩膜引导的案例研究中，TG-SSPANet（ResNet50）达到96.8%切片级准确率与概率平均下98.3%的患者级准确率（严格全切片正确规则下为84.5%，15%患者存在切片不一致），其置信区间与更简单的掩膜使用流程重叠。其解释与肿瘤重合的频率远高（Grad-CAM++指向博弈0.81，而任何基线至多0.31），但这由解码器在构造上决定，而非源于分类器的推理。扰动测试表明，包括本研究模型在内的所有模型在病灶被修复后仍能正确分类大多数切片，假修复与诱饵对照表明这不是修复伪影。置换剩余组织会降低残余准确率但不会消除它，且仅肿瘤位置与形状即可在该基准上支持71%的准确率。残余准确率究竟反映合法的瘤周与占位效应线索、位置捷径还是全局组织统计量，无法用这些数据定论。对于该基准及类似基准，研究人员建议在将解释呈现为具有临床意义之前，应先进行患者级评估与患者级统计、同配方对照、对照参考图的基于掩膜的定量定位以及基于扰动的忠实性检验。
