《Healthcare Analytics》：A semi-supervised prototypical learning approach for liver fibrosis staging in ultrasound imaging
编辑推荐：
本研究提出了一种可解释的半监督学习框架，结合均值教师策略、类别均衡损失和原型正则化，旨在解决超声影像中肝纤维化精确分期所面临的标记数据稀缺和模型解释性不足的挑战。研究人员利用有限的标记样本和大量无标记超声图像进行学习，在真实数据集上实现了高分类精度和良好的阶段间一致性。该框架在显著降低标注需求的同时，提供了准确、可靠且可解释的肝纤维化评估，对于临床决策支持具有重要意义。
肝脏是人体重要的代谢和解毒器官，慢性肝病长期进展会导致肝纤维化，即肝脏中过量的细胞外基质（ECM）蛋白沉积。若不加以干预，纤维化可逐步发展为肝硬化（F4期）、肝细胞癌，乃至肝衰竭，构成了全球性的重大健康负担。因此，对肝纤维化进行从F0（无纤维化）到F4（肝硬化）的精确分期，对于指导治疗、评估疗效和判断预后至关重要。虽然肝活检是历史上的“金标准”，但其具有侵入性、昂贵、存在观察者间差异和采样误差等缺点。超声成像作为一种无创、广泛可及的替代监测手段，具有明显优势，但其图像固有的斑点噪声、深度依赖性衰减以及扫描仪间的异质性，使得自动化分期充满挑战。此外，手动解读的主观性和可重复性有限，也凸显了对精确、可理解的自动化解决方案的需求。
近年来，人工智能，特别是深度学习，已在包括分类、分割和预后在内的各种医学图像分析任务中展现出强大性能。卷积神经网络（CNN）已被证明能够从超声、CT和MRI中识别与纤维化相关的特征。然而，监督深度学习需要大量专家标注的数据集，这在医学领域获取成本高昂。此类数据集通常还存在类别不平衡问题，例如极端分期F0和F4样本过多，而最具临床意义的中间分期（F1-F3）样本却不足。这种不对称机制会导致学习偏差并抑制模型的泛化能力。
半监督学习（SSL）作为一种利用大量无标记数据和少量标记样本来降低标注成本的技术，受到了广泛关注。在SSL领域，均值教师是一种流行技术，它通过在增强视图上强制一致性，利用教师模型生成的伪标签来训练学生模型。然而，SSL在医学成像中长期面临一些障碍：伪标签噪声可能导致确认偏差传播，类别不平衡会使预测偏向多数类别，中间分期之间细微的形态学差异会导致特征可分离性降低。
先前的研究探索了自校正伪标签、多教师策略、迁移学习和基于扩散的生成方法。同时，可解释人工智能（XAI）方法，如梯度加权类激活映射（Grad-CAM），通过定位与决策相关的区域改善了模型的可解释性，这对临床采纳至关重要。然而，现有框架尚未能同时集成自适应伪标签过滤、类别平衡优化和面向原型的表征学习，以用于基于超声的肝纤维化分期。
为此，来自达卡大学的研究团队在《Healthcare Analytics》上发表了一项研究，提出了一种用于超声图像肝纤维化分期的可解释半监督学习框架。该框架的主要贡献包括：1) 提出了一个将原型正则化与均值教师范式相结合的师生架构，能够从有限的标记数据和大规模无标记超声图像中进行有效学习，实现准确的肝纤维化分期；2) 提出了一种基于原型的表征对齐策略，在潜在空间中增强了类内紧凑性和类间可分离性，提高了临床相邻纤维化分期（F1-F3）的区分能力；3) 将类别平衡的焦点损失与MixUp和CutMix数据增强相结合，缓解了倾斜的类别分布，改善了跨纤维化分期的校准、泛化能力和公平性，特别是对于样本不足的分期；4) 使用Grad-CAM和原型可视化呈现了基于临床的可解释性流程，结果显示在已知与纤维化进展相关的肝实质和门静脉周围区域存在一致的激活。总体而言，该框架在显著减少标注需求的同时，提供了准确、可靠且可解释的肝纤维化评估。
为了开展这项研究，研究人员主要运用了以下关键技术方法：首先，他们采用了公开的肝组织病理学纤维化超声数据集，该数据集包含根据METAVIR评分系统划分的五个纤维化等级（F0-F4）的B型超声图像。研究构建了三种标记比例（5%、10%、15%）的半监督学习场景以模拟真实的标注稀缺性。模型的核心是选择了计算高效的RegNetY-008作为骨干网络。研究提出了名为MT-FixMatch++的策略，该策略整合了均值教师框架、自适应伪标签过滤、MixUp/CutMix数据增强以及周期性原型正则化。损失函数方面，组合使用了类别平衡的焦点损失（用于监督学习）、一致性损失（用于师生模型间的伪标签学习）以及原型损失（用于增强特征空间中的类间区分度）。训练过程使用AdamW优化器，并采用了带有余弦退火的学习率调度和早停策略。最后，通过五折交叉验证评估模型，并使用梯度加权类激活映射（Grad-CAM）对模型决策进行可视化解释，以增强其临床可解释性。
研究结果
4.1. 整体性能
为了建立公平的监督学习基线，研究在相同的低标记比例下训练了多种代表性卷积和基于Transformer的网络。其中，RegNetY-008取得了最强的性能，因此被选作主要的监督基线进行比较。在标记率为10%的数据集上，提出的半监督师生模型在所有指标上均一致优于监督基线，达到了95%的准确率、0.945的宏F1分数和0.967的宏召回率。高的马修斯相关系数（MCC，0.931）和加权卡帕系数（QWK，0.958）进一步表明模型具有平衡的阶段性能和对类别不平衡的鲁棒性。统计检验（DeLong检验和McNemar检验）证实，该模型在识别晚期纤维化（≥F3）等临床重要任务上的性能提升具有统计学显著性。精确率-召回率曲线显示所有分期都具有高区分度，平均精度值均超过0.98。混淆矩阵表明误分类最少，且主要发生在相邻分期之间（如F0与F1，F4与较低分期），严重的非对角线错误基本不存在。
4.2. 消融实验
为了量化模型中各个模块的贡献，研究进行了一项系统的消融实验。实验从一个使用交叉熵监督损失和均方误差（MSE）或KL散度一致性损失的均值教师基线开始。添加类别平衡的焦点损失带来了显著改进。而引入原型监督则带来了最显著的性能提升，将准确率提高到0.93，宏F1分数提高到0.91，显著加强了决策边界，特别是对于少数类别。最终，结合了均值教师、类别平衡焦点损失、交叉熵一致性和原型正则化的完整框架取得了最佳结果：0.95的准确率、0.95的宏F1分数、0.97的宏召回率、0.93的MCC和0.96的QWK。这表明每个模块都提供了互补的益处，其中焦点损失和基于原型的监督在均值教师范式内的协同作用产生了最重要的改进。
4.3. 交叉验证总结
五折分层交叉验证的结果表明，该模型在各个折叠上均表现良好且一致。最佳折叠的验证准确率为0.942，宏F1分数为0.954。跨所有折叠的平均验证准确率为0.886±0.061，宏F1分数为0.895±0.055，较小的标准差表明模型性能在不同训练-验证分割中没有显著变化。基于相关性的度量也显示出良好且平衡的预测性能。
4.4. 标记数据比例的影响
研究通过三种标记比例验证了所提出模型的数据效率。在5%标记数据的低标记情况下，模型仍能达到0.860的验证准确率和0.980的ROC曲线下面积，且与专家判断具有相当的一致性，这证明了SSL在缓解标注不足导致性能下降方面的潜力。在15%标记数据的情况下，模型取得了最强的绝对性能。然而，与10%标记数据情况相比，性能提升相对有限，这突显了SSL缩小了低标记与高标记制度之间差距的能力，为标注数据集有限的医学成像应用提供了一种经济高效的策略。
4.5. 模型行为分析
可靠性图显示，在高置信度范围内，模型的预测置信度与经验准确度高度一致，表明当模型有信心时，其预测通常是可靠的。在中等置信度区间存在轻微的过度自信。通过蒙特卡洛（MC）Dropout估计的认知不确定性分析显示，预测熵与模型错误之间存在强相关性，高熵样本往往与分类错误相对应，这为识别可能需要进一步专家审查的不确定预测提供了潜在途径。在临床决策效用方面，决策曲线分析表明，在广泛的阈值概率范围内，使用该模型比“全部治疗”或“全部不治疗”的策略能获得更高的净收益，特别是在识别晚期纤维化（≥F3）的任务中。对学习到的潜在空间进行t-分布随机近邻嵌入可视化，显示不同纤维化阶段的特征形成了良好分离的簇，其中相邻阶段（如F1与F2）存在部分重叠，这与纤维化进展的连续性本质一致，也解释了混淆矩阵中观察到的相邻分期错误。
4.6. 可解释性分析
使用梯度加权类激活映射（Grad-CAM）生成的可视化解释表明，模型在做出决策时，注意力集中在与肝纤维化病理生理学相关的解剖区域。例如，对于F2和F3分期，模型显著激活了门静脉周围和间隔区域；对于F4（肝硬化），激活模式更广泛地分布在肝实质中，并伴有结节性改变的迹象。这些可视化结果与已知的影像学发现一致，增强了临床医生对模型决策过程的信任。对全局原型记忆的分析显示，随着训练进行，每个纤维化类别的原型在潜在空间中的位置逐渐稳定，位移减小，这反映了嵌入空间围绕一致的类中心逐渐收敛。
结论与讨论
本研究成功开发并验证了一个用于超声影像肝纤维化分期的可解释半监督学习框架。该框架通过整合均值教师策略、类别平衡优化和原型正则化，有效地利用了有限的专家标注和大量易获得的未标注超声数据。实验结果表明，该框架在三种不同的标注比例下均持续优于强监督基线，特别是在仅使用5%标记数据的极端稀缺场景下仍能保持良好的性能，证明了其卓越的数据效率。模型产生了经过良好校准的预测，其认知不确定性可靠地指示了潜在的分类错误。此外，通过Grad-CAM和原型分析提供的视觉解释，将模型决策与临床上相关的肝实质和门静脉周围区域联系起来，显著增强了结果的可信度和临床可接受性。
该研究的意义在于多个方面。首先，它直接解决了医学人工智能中两个关键瓶颈：标注数据稀缺和“黑箱”模型问题。所提出的半监督方法大幅降低了对昂贵、耗时且可能具有主观性的专家标注的依赖，使得在资源有限的环境中部署先进的深度学习模型成为可能。其次，模型对中间纤维化分期（F1-F3）的准确区分具有重要的临床价值，因为这些阶段对于及时干预、防止疾病进展至不可逆的肝硬化至关重要。模型良好的校准性和不确定性估计能力，使其可能作为辅助诊断工具，为放射科医生提供可靠的第二意见，并在不确定时标记病例以供进一步审查。最后，该框架的可解释性组件通过提供符合临床推理的视觉证据，有助于建立医生与人工智能系统之间的信任，这是技术成功转化到临床实践的关键一步。
未来工作可以探索将该框架扩展到多中心、多扫描仪的更大规模数据集，以进一步提高其泛化能力和鲁棒性。同时，研究如何将模型的不确定性估计更直接地整合到临床工作流程中，例如开发主动学习策略以智能地选择最具信息量的样本进行专家标注，从而形成人机协同的持续学习闭环。总之，这项研究为实现准确、高效且可信的自动化肝纤维化评估迈出了坚实的一步，为改善慢性肝病的临床管理提供了有前景的AI驱动解决方案。
