重新审视基于CNN的帕金森病分类方法（应用于DaT-SPECT图像）：训练协议的作用 Denis Chegodaev, Lilies Handayani, Ray Steven, Takayuki Shibutani, Kenichi Nakajima, Kenji Satou

《Electronics》：Revisiting CNN-Based Parkinson’s Disease Classification from DaT-SPECT Images: The Role of Training Protocols Denis Chegodaev, Lilies Handayani, Ray Steven, Takayuki Shibutani, Kenichi Nakajima and Kenji Satou

　　摘要：帕金森病（PD）是一种进行性神经退行性疾病，多巴胺转运体单光子发射计算机断层扫描（DaT-SPECT）被广泛用于支持临床诊断。最近基于卷积神经网络（CNN）的研究在DaT-SPECT数据集上报告了较高的分类准确性。然而，网络架构和训练协议设计对这些结果的相对贡献仍没有得到充分探索，特别是对于小型和中型医学成像数据集。在这项研究中，使用来自帕金森病进展标志物计划（PPMI）的两个DaT-SPECT数据集，对CNN进行了一项以训练为导向的评估。首先，在一个包含645张DaT-SPECT图像的精心策划的数据集上，忠实再现了之前发表的实验设置，使用了相同的预处理程序、数据分割和模型架构。在复制的实验设置下，之前报告的各个CNN架构的分类准确性范围从93.02%到95.34%，而集成方法达到了98.45%的准确性。然后使用结合了标准化优化和正则化策略的统一训练协议对相同的架构进行了评估。使用这种协议，ResNet50实现了100%的分类准确性，所有评估指标均达到1.0，而VGG16、Inception V3和Xception分别实现了99.22%的准确性。在一个更大、独立构建的具有更高空间分辨率的PPMI数据集上，之前报告的分类准确性范围从PD与SWEDD的93.27%到PD与控制的95.33%。使用所提出的统一训练协议，评估的CNN架构在PD与SWEDD之间的分类准确性为98%，在PD与控制之间的分类准确性为100%。这些结果表明，训练协议设计对基于DaT-SPECT的PD分类性能的影响比特定CNN架构的选择更为重要。

1. 引言
帕金森病（PD）是一种慢性进行性神经退行性疾病，主要由于黑质中多巴胺能神经元的丧失而影响运动和非运动系统[1]。临床上，PD的诊断依赖于神经学评估和成像生物标志物的结合，其中使用123I-ioflupane的多巴胺转运体单光子发射计算机断层扫描（DaT-SPECT）在区分PD和帕金森综合征与其他非神经退行性运动障碍中起着关键作用[2]。DaT-SPECT提供了反映纹状体多巴胺转运体可用性的功能图像，这在PD中通常比健康对照组要低。近年来，深度学习的进步显著影响了医学图像分析，包括DaT-SPECT图像的自动分类。卷积神经网络（CNN）由于其能够直接从像素强度中学习判别性空间特征而被广泛应用于此任务，从而避免了手工设计特征的需要。几项研究使用VGG、ResNet、Inception及其变体等CNN架构在DaT-SPECT数据集上报告了高分类性能。一种受到关注的方法是集成学习，通过结合多个CNN的预测来提高准确性[3]。尽管集成通常会产生有竞争力的结果，但它们会增加额外的计算复杂性，并可能掩盖个别网络属性的贡献。尽管这些结果很有前景，但训练协议（包括数据预处理、正则化、学习率调度和校准分析）与架构选择的相对影响仍然没有得到充分探索。先前的工作主要集中在网络设计和融合策略上，往往没有彻底检查训练动态和数据处理如何影响模型的泛化和可靠性。这种疏忽是至关重要的，因为小型和中型医学成像数据集如果训练协议控制不当，容易过拟合和概率校准不良。本研究通过在来自帕金森病进展标志物计划（PPMI）的DaT-SPECT数据集上系统地比较多种标准CNN架构，在一致的训练协议下，解决了这一差距[4]。我们首先使用相同的设置再现了文献中报告的基线结果。然后，我们引入了一个结合了解剖学信息的预处理、优化器正则化和自适应学习调度的统一训练流程。除了分类准确性外，我们还评估了校准、混淆度量、ROC特性、置信度分布、Grad-CAM可解释性和潜在表示结构。我们的目标是评估训练设计在实现稳健的PD分类性能方面是否比架构选择起着更重要的作用。在两个PPMI衍生的数据集和四个标准CNN主干网络上，我们观察到协议级别的选择，特别是解剖学受限的预处理、正则化和学习率调度，解释了通常归因于架构设计或集成学习的大部分收益。

2. 相关工作
多巴胺转运体单光子发射计算机断层扫描（DaT-SPECT）被广泛用于帕金森病（PD）的诊断评估，因为它提供了黑质-纹状体多巴胺能退化的客观成像标志。纹状体中放射示踪剂的减少，特别是在壳核和尾状核中，被认为是PD最经典的临床特征之一。这激发了使用机器学习和深度学习方法对DaT-SPECT图像进行自动分类的广泛研究，如表1所总结的。早期研究通常依赖于定量纹状体摄取描述符和工程化的成像特征，并结合传统的机器学习分类器。Prashanth等人使用基于纹状体结合比特征的SVM分类器报告了96.14%的准确性，达到了95.74%的敏感性和77.35%的特异性[5]。Brahim等人提出了一个基于SVM的计算机辅助诊断流程，用于123I-FP-CIT成像，并报告了92.6%的准确性，敏感性为91.2%，特异性为93.1%[6]。Challa等人证明，提升逻辑回归可以在PPMI数据库衍生的DaT-SPECT数据上实现97.159%的准确性[7]。Castillo-Barnes等人探索了123I-ioflupane SPECT的稳健分类策略，并使用基于线性SVM的框架报告了96.0%的准确性[8]。这些工作表明，当输入表示能够捕捉到具有诊断意义的纹状体摄取模式时，可以实现有竞争力的PD分类。深度学习方法已成为DaT-SPECT分类的主导方向，因为它们能够直接从成像数据中学习层次化的特征表示。Martinez-Murcia等人提出了一个3D卷积神经网络模型，并在PPMI衍生的DaT-SPECT队列上报告了95.50%的准确性[9]。在一个包含SWEDD受试者的相关评估中，Martinez-Murcia等人报告了95.5 ± 0.44%的准确性，敏感性为96.2 ± 0.051%。Wenzel等人研究了在不同采集条件下训练的深度CNN模型的鲁棒性，并报告了97.20%的准确性[10]。一些研究探索了替代的特征表示和架构级别的修改。Ortiz等人提出了一种基于等值面的表示方法，旨在强调纹状体摄取模式的几何属性，并使用基于CNN的分类进行了评估[11]。在相关的实验设置中，传统的CNN架构如AlexNet和LeNet被应用于DaT-SPECT图像，实现了大约95.0 ± 0.3%的帕金森病与对照组的分类准确性。这些结果表明，强大的分类性能不一定与高度复杂的架构相关，预处理和图像表示可以发挥核心作用。Choi等人提出了PDNet，并在PPMI DaT-SPECT队列（431例PD、193例健康对照组和77例SWEDD）上进行了评估，报告了96%的准确性[12]。同一模型也在一个外部私人数据集（72例PD和10例健康对照组）上进行了测试，实现了98.8%的准确性。Kim等人评估了一个Inception-V3迁移学习流程，并在54例PD和54例健康对照组的队列上报告了96.3%的敏感性[13]。Keles等人引入了PARNet，这是一种最初为COVID-19诊断开发的CNN架构，并重新训练用于DaT-SPECT图像的PD分类。PARNet在1213张图像的数据集（1000例PD和213例健康对照组）上实现了95.43%的准确性、95.25%的敏感性、95.70%的特异性和96%的F1分数[14]。这项工作表明，在一个医学成像领域训练的网络可以重新用于实现基于DaT-SPECT的PD分类的竞争性能。Kurmi等人评估了VGG16、ResNet50、Inception-V3和Xception模型，并提出了一种模糊融合集成策略。他们的集成在PPMI衍生的DaT-SPECT数据集上实现了98.45%的准确性，精确度为98.84%，敏感性为98.84%，特异性为97.67%，F1分数为98.84%[4]。这项研究仍然是使用DaT-SPECT成像进行PD分类的最常引用的基于集成的基线之一。Thakur等人提出了一种软注意力DenseNet方法，并报告了99.2%的准确性，AUROC为99%，敏感性为99.2%，特异性为99.4%，F1分数为99.1%[15]。他们的模型结合了注意力图和特征可视化，突出了壳核和尾状核作为关键区分区域。Chien等人提出了一种以壳核为中心的人工神经网络方法，并报告了99.22%的准确性，敏感性为81.8%[16]。也研究了多模态策略。Kollia等人提出了一个结合MRI和DaT-SPECT信息的CNN-RNN框架，并在55例PD和23例健康对照组的数据集上报告了98.0%的准确性[17]。大多数先前的工作都围绕识别优越的架构、引入注意力模块或通过集成融合异构模型来提高分类性能[4]。本研究采取了不同的方向。与其提出新的主干网络或设计融合规则，主要目标是评估训练协议的系统改进，包括预处理设计、增强策略、正则化和面向可靠性的评估，是否能够一致地超越由架构驱动的收益。使用在集成基线研究中报告的相同一组常用的CNN主干网络[4,14]，这项工作证明了精心优化的训练流程可以在保持单模型推理的简单性的同时，通过校准指标和解释性驱动的可视化实现更深层次的可靠性分析。最新的进展探索了结合CNN特征提取和图神经网络的混合架构，以建模样本之间的关系并提高跨域泛化能力。例如，空间-通道协作多尺度图交互深度迁移学习引入了联合的空间-通道特征细化和多尺度图交互机制，从而改善了特征表示和跨域的可转移性[18]。

3. 材料与方法
3.1. 研究设计和实验概述
本研究的目的是确定基于DaT-SPECT的帕金森病检测的分类性能主要是受神经网络架构还是训练协议结构的影响。先前的研究报告了使用集成架构的强大结果。然而，训练动态、预处理一致性和正则化的贡献往往没有得到系统分析。为了将训练流程的效果与架构设计分开，对同一组主干架构应用了三种实验条件。评估了四种卷积神经网络：VGG16[19]、ResNet50[20]、InceptionV3[21]和Xception[22]。定义了以下实验设置：
- 基线复制协议，复制了原始集成研究中报告的配置。所有模型都训练了500个周期，批量大小为16，学习率为0.001，使用Adam优化器[23]；
- 优化后的协议，包括解剖学受限的预处理、控制的增强、权重衰减正则化、ImageNet初始化和带有暖重启的余弦退火[24]；
- 未经优化的协议，与条件（2）相同，但从随机初始化开始训练。这种设计使得可以直接比较基线训练、带有预训练初始化的结构化优化和没有预训练初始化的结构化优化。所有分割都在受试者/扫描级别进行，以防止训练集和测试集之间的信息泄露。没有共享来自同一受试者的切片或衍生图像。为了完全复制先前研究的结果，所有预处理操作都独立应用于训练集和测试集。没有计算全局归一化统计或数据集范围的转换。最终模型是根据其在测试集上的性能选择的，以便与先前报告的结果紧密匹配。虽然这种方法可能导致对泛化的估计略显乐观，但它确保了复制准确反映了原始实验设置。该协议还保证了预处理本身没有引入直接的数据泄露。

3.2. 数据集
3.2.1. PPMI DaT-SPECT数据集（小型）
本研究中使用的第一个数据集来自帕金森病进展标志物计划（PPMI）数据库[25]。它包含645张DaT-SPECT图像，最初由Kurmi等人策划和预处理。样本在类别和实验分割中的分布总结在表2中。表2. PPMI-PD（小型）数据集中每个二元分类任务的类别分布和训练-测试分割。每个原始PPMI DaT-SPECT扫描表示为一个大小为91 × 109 × 91的3D SPECT体积，存储在DICOM格式中。根据发布的协议，从每个体积中提取了一个轴向切片，即第41个切片，这通常用于评估纹状体中的多巴胺能摄取。提取的切片被转换为PNG格式。图1显示了来自PPMI-PD（小型）数据集的帕金森病患者的示例图像。图1. 来自PPMI-PD（小型）数据集的示例DaT-SPECT切片。为了去除无关的背景信息，原始的预处理流程对由于受试者个体差异导致的不必要的黑色区域进行了裁剪。由于裁剪会导致空间尺寸不规则，所有提取的图像都被调整大小为224 × 224像素，以确保与卷积神经网络（CNN）架构的兼容性。像素强度被缩放到[0, 1]的范围内，并且在[0.1, 1.5]的范围内应用了亮度增强。该数据集用于帕金森病（Parkinson’s disease）和非帕金森病之间的二分类。训练和测试的分割方式与原始研究完全相同，以确保可重复性。这个数据集被称为PPMI-PD（Small）。

3.2.2 PPMI DaT-SPECT数据集（Large）
为了评估不同预处理和数据集构建协议的泛化能力，从公开可用的ParkinSIGHT仓库[26]中获取了第二个数据集。该数据集使用了PPMI SPECT体积，分为三个临床类别：帕金森病（PD）、对照组（Control）和SWEDD（无多巴胺能缺陷证据扫描，Scans Without Evidence of Dopaminergic Deficit）。数据集包含1528张DaT-SPECT图像。样本在各个类别和实验分割中的分布总结在表3中。表3显示了PPMI-PD（Large）数据集中每个二分类任务的类别分布和训练-测试分割。为了创建2D表示，数据集作者平均了第42、43和44个轴向切片，减少了特定切片的噪声，并提供了更稳定的纹状体摄取模式表示。图2展示了PPMI-PD（Large）数据集中一名被诊断为帕金森病的患者的示例图像。与小型队列不同，得到的图像具有大约612 × 733像素的原始分辨率，这引入了空间尺度和解剖覆盖范围的重大变化。数据集被随机分为训练集和测试集，比例为80:20。这个数据集被称为PPMI-PD（Large）。由于SWEDD样本数量相对较少，PD与SWEDD的分类任务存在类别不平衡。这一因素可能会影响统计可靠性，在解释性能指标时应予以考虑。定义了三个二分类任务：PD vs. Non-PD；PD vs. Control；PD vs. SWEDD。

3.3 图像预处理
DaT-SPECT成像主要反映纹状体中的多巴胺能活动。帕金森病的特征是尾状核和壳核的摄取减少，这两个区域位于轴向投影的中心。因此，DaT-SPECT切片的大片外围区域通常包含很少的诊断信息，可能会成为虚假相关的来源。为了确保解剖学一致性，所有图像的较短边都被调整大小为440像素，然后中心裁剪到特定于架构的输入尺寸。这种方法保留了中央解剖区域，同时最小化了无关边界的影响。虽然3D体积方法可能捕获额外的空间上下文，但有意选择使用2D切片表示，以确保与先前研究的直接可比性，并保持与先前发布的实验协议的一致性。此外，2D方法显著降低了计算需求，并更符合现实世界的临床部署限制，其中快速推理和有限的硬件资源是关键因素。重要的是，本研究的目标不是最大化绝对性能，而是在受控条件下隔离训练协议设计的效果。

3.4 数据增强
为了在样本量有限的情况下减少过拟合，仅对训练集应用了随机增强。增强流程包括：裁剪到所需的输入尺寸；随机水平翻转；在±10度范围内随机旋转；亮度变化在0.1–1.5的范围内。应用水平翻转是为了鼓励对左右方向的不变性，假设多巴胺能缺陷模式在临床上是相关的，无论是在哪个半球。旋转被限制在小角度内，以避免不真实的解剖学变形。亮度变化模拟了与采集相关的强度变化，而不改变结构摄取模式。

3.5 训练程序
所有模型都使用分类交叉熵损失进行训练：(1) 优化使用Adam优化器进行。在优化配置中，应用了L2正则化（权重衰减）系数。使用带有热重启的余弦退火来安排学习率（, , ）。模型选择使用具有最高验证准确性的检查点。训练协议是采用常见深度学习实践的结构化组合，包括数据增强、权重衰减和学习率调度。目标不是进行穷尽的超参数优化，而是定义一个稳定且可重复的训练框架。重要的是，所有评估的架构都应用了相同的训练协议，以确保公平比较，并隔离训练设计的效果与架构差异的影响。

3.6 评估指标
对于每个模型，计算了混淆矩阵，包括真正例（TP）、真负例（TN）、假正例（FP）和假负例（FN）。准确率衡量了所有评估案例中正确分类样本的比例：(2) 该指标反映了整体分类性能，但可能受到类别不平衡的影响。精确度量化了所有被预测为正例的样本中正确预测的正例比例：(3) 高精确度表示假正例率低。召回率，也称为敏感性，衡量了所有真正例样本中正确识别的正例比例：(4) 高召回率表示假负例率低，这对疾病检测在临床上很重要。特异性衡量了正确识别的负例比例：(5) 特异性对于在筛查设置中减少误报特别相关。F1分数表示精确度和召回率的调和平均值：(6) 当假正例和假负例都相关时，它提供了一个平衡的衡量标准。为了考虑潜在的类别不平衡，使用类别支持作为权重计算了加权精确度、加权召回率和加权F1分数。除了这些指标外，还计算了接收者操作特征曲线（AUROC）下的面积，以独立于固定的决策阈值[27]评估类别可分性。

3.7 可靠性和不确定性分析
除了准确率之外，还分析了与可靠性相关的指标，如校准曲线和预期校准误差，以评估概率预测的一致性，这对于临床应用至关重要。校准按照Guo等人[28]的方法进行评估。预测被分组到不同的置信区间。对于每个区间，计算了经验准确率和平均预测置信度。预期校准误差（ECE）定义为：(7) 其中是区间内的样本数量，是总样本数量。较低的ECE表示预测置信度和经验正确性之间有更好的一致性。分别为正确分类和错误分类的样本构建了置信度直方图，以分析预测置信度的分布。这种可视化允许检查是否错误分类的案例被高置信度预测，这在临床应用中是不希望出现的。对于每个样本，置信度分数被定义为PD类别的预测概率。

3.8 可解释性和表示分析
Grad-CAM[29]在输入图像上生成了一个热图，指示哪些空间区域对预测类别的贡献最大。所有Grad-CAM可视化都是使用224 × 224的固定分辨率生成的，以确保跨架构的一致性比较。为了避免与就地ReLU操作相关的数值问题，在计算Grad-CAM期间禁用了就地激活。这种修改没有影响训练。为了分析学习到的特征表示的结构，从每个训练模型中提取了潜在嵌入。具体来说，最终卷积特征提取器的输出被全局平均，为每个样本生成了一个特征向量。然后使用均匀流形近似和投影（UMAP）[30]进行了降维，生成了一个2D嵌入进行可视化。选择UMAP是因为它能够保留局部邻域关系，使其适合分析类别聚类。UMAP的配置为：15个最近邻；最小距离0.1；欧几里得度量；随机种子42。

3.9 实施细节和可重复性
所有实验都是在Python 3.10.14中使用PyTorch 2.2.0框架和timm 1.0.20模型库实现的。实验在单个NVIDIA GeForce RTX 3090 GPU（24 GB VRAM）（由NVIDIA（美国加州圣克拉拉）生产）上执行。训练日志、评估图表和模型检查点被自动保存。基于验证准确度选择了表现最佳的检查点。所有报告的指标都是在保留的测试数据上计算的。

4. 结果
4.1 PPMI-PD（Small）：训练协议对区分度和可靠性的影响
表4报告了在没有预处理、权重衰减或额外正则化的情况下获得的性能。在这些条件下，我们完全复现了Kurmi等人在相同数据集上报告的结果，使用了相同的训练和测试分割。表4显示了在没有预处理或正则化的PPMI-PD（Small）数据集上的基线性能。表5显示了应用所提出的预处理流程和正则化策略后的结果。在基线训练下，Inception-V3和Xception已经实现了高区分性能。然而，ResNet50和VGG16显示出较不稳定的验证行为和更高的校准误差。表5显示了在应用了结构化预处理和正则化后的PPMI-PD（Small）数据集上的性能。在表5中引入结构化预处理和正则化后：ResNet50的准确率从0.9767提高到1.000，ECE从0.0288降低到0.0142。所有架构的验证轨迹都变得稳定。图3显示了在优化训练下所有架构的ROC曲线。这些曲线聚集在左上角附近，证实了强烈的可分性。图4展示了所有模型的验证准确率曲线。优化训练产生了更平滑的收敛和减少的振荡。图4显示了在优化协议下所有CNN骨干在500个周期内的验证准确率。该图表使用最佳检查点选择标准展示了不同架构之间的收敛速度和变化。图5分别以2 × 2布局展示了每个架构的学习曲线。这些图表使差异更加清晰：基线训练显示了验证准确率的波动和偶尔的不稳定性，特别是对于VGG16和ResNet50。通过预处理和权重衰减，收敛变得单调且稳定。图5显示了不同训练协议下的学习曲线。(a) 在解剖学预处理和L2正则化下获得的训练和验证准确率；(b) 在没有额外预处理或正则化的基线复制协议下的训练和验证准确率。图6显示了在优化训练下的混淆矩阵。错误分类很少见，与基线训练相比，假负例被最小化。图6显示了PPMI-PD（Small）数据集的混淆矩阵。(a) 使用优化训练协议获得的预测；(b) 在基线训练条件下获得的预测。图7展示了校准曲线。在优化训练下的预测更接近对角线，与表5中报告的较低ECE值一致。图7显示了CNN架构的可靠性图表。(a) 在优化训练下的校准；(b) 在基线训练下的校准。图8显示了正确分类和错误分类样本的置信度直方图。在优化训练下，错误预测倾向于获得较低的置信度，表明了更好的概率行为。图8显示了正确分类和错误分类样本的置信度直方图。(a) 在优化训练下的置信度分布；(b) 在基线训练下的置信度分布。图9显示了学习到的特征嵌入的UMAP投影。预处理后，类内聚类变得更加紧密，类间分离变得更加有序。图9显示了学习到的特征嵌入的UMAP投影。(a) 在结构化预处理和正则化后获得的嵌入；(b) 在基线训练下获得的嵌入；标记为“YES”的样本对应于帕金森病（PD），标记为“NO”的样本对应于非帕金森病（Non-PD）。图10展示了在优化配置下正确分类的代表性样本的Grad-CAM可视化。激活图一致集中在纹状体区域，特别是壳核和尾状核区域，这些区域在多巴胺能退化中具有临床相关性。这些图表明网络关注的是解剖学上有意义的区域，而不是模糊的背景模式。图10展示了代表性样本的Grad-CAM可视化。初步实验表明，预训练的ImageNet权重产生了不稳定的收敛，并且在某些情况下，与随机初始化相比结果较差。鉴于数据集规模相对较小，预训练的特征先验可能与SPECT强度分布不匹配。因此，使用随机初始化的骨干进行了PPMI-PD（Small）数据集的比较，以隔离预处理和正则化的效果。PPMI-PD（Small）数据集表明，即使区分性能已经很高，协议优化也改善了收敛行为、校准质量和表示结构。

4.2 PPMI-PD（Large）：与基于降维的方法的比较
在PPMI-PD（Large）数据集上，评估了三个二分类任务的性能：PD vs. Non-PD；PD vs. SWEDD；PD vs. Control。之前在这个数据集上发布的结果总结在表6中。表6显示了使用基于降维的分类在PPMI-PD（Large）数据集上报告的结果。重要的是，之前的研究没有使用集成融合。相反，它在分类之前应用了降维。具体来说，使用了一个自动编码器将高维SPECT特征压缩为8维的潜在表示。编码器压缩了输入，解码器重新构建了它。瓶颈层的输出被用作降维后的特征向量，用于后续的机器学习分类。作者假设，为了处理SPECT数据中的冗余和高维度问题，降维是必要的。他们比较了使用和不使用降维技术（如自动编码器和PCA）的模型，并报告说应用降维后性能有所提高。以下部分将我们的基于CNN的训练协议与基于降维的方法进行比较。

4.2.1 PD与Non-PD
表7显示，在预处理和正则化的基础上，使用迁移学习时，Xception的准确率为0.980，AUROC为0.991；Inception-V3的准确率为0.976。表7显示了使用优化训练协议和迁移学习的Non-PD分类结果。表8显示，即使移除了迁移学习，但保留了预处理，ResNet50和Inception-V3的性能仍然稳定。表8显示了不使用迁移学习的Non-PD分类结果。根据表9，在没有预处理和正则化的情况下，性能下降，尤其是VGG16；而Xception在这些条件下的表现相对更稳定。值得注意的是，ECE（错误分类率）应与区分度指标一起解释：即使分类器的性能较差，如果预测概率系统性地保守，也可能出现较低的ECE。表9显示了在基线训练（无预处理或正则化）下的Non-PD分类结果。

4.2.2 PD与SWEDD
表10显示，在进行预处理和正则化但移除迁移学习的情况下，VGG16的准确率为0.979，AUROC为0.981；ResNet50的准确率为0.975。表10显示了使用优化预处理和正则化的PD与SWEDD分类结果。表11显示，在没有预处理的基线训练下，VGG16的性能下降。表11显示了在基线训练下的PD与SWEDD分类结果。表12显示，引入迁移学习后，VGG16的性能有所提高，但Xception的性能略有下降。表12显示了使用迁移学习的PD与SWEDD分类结果。表6显示，基于降维的方法在该子组中的AUROC和准确率值较低，表明优化的CNN模型优于特征压缩流程。

4.2.3 PD与Control
表13显示，在进行预处理的情况下，所有CNN架构的准确率和AUROC都达到了1.0，实现了完美的区分能力。表13显示了使用优化训练协议的PD与Control分类结果。即使没有迁移学习，表14也显示性能保持稳定。表14显示了不使用迁移学习的PD与Control分类结果。然而，表15显示，在基线配置下，ResNet50和VGG16的性能显著下降。表15显示了在基线训练下的PD与Control分类结果。表6显示，基于降维的方法的性能值较低，未能实现完美的区分能力，其结果不如优化的CNN模型，仅优于基线VGG16配置。

这些发现表明，在训练协议得到适当优化的情况下，不需要将数据显式压缩到8维的潜在表示中就能实现高区分能力。此外，所采用的训练策略使得不同数据集上的准确率都能稳定地达到1.0，清楚地证明了性能的提升。重要的是，即使在较旧的架构下，在优化的训练条件下也能获得良好的结果。

5. 讨论
本研究探讨了DaT-SPECT-based帕金森病分类中的性能提升主要是归因于CNN架构还是训练协议设计。在两个数据集中，结果表明结构化的训练策略比架构差异起着更重要的作用。本研究中使用的训练协议并不是通过详尽的超参数优化得出的，而是结合了常用的实践方法，包括数据增强、迁移学习、权重衰减和学习率调度。所有架构都统一应用了相同的协议，以确保可控的比较，并将训练设计的效果与架构差异区分开来。

在较小的PPMI-PD队列中，基线再现就已经实现了高分类准确率。然而，引入解剖学预处理和权重衰减后，校准和收敛稳定性得到了显著提升。ResNet50在协议优化后从0.9767提高到完美区分能力。这表明观察到的性能差异可能与训练动态有关，而不仅仅是骨干架构的表示限制。在较大的数据集中，与基于降维的方法进行比较尤其具有启发性。先前的研究假设需要将高维SPECT数据压缩到8维的潜在空间中以减少冗余。然而，当前结果表明，在仔细控制训练协议的情况下，不需要显式压缩。直接使用适当的正则化进行端到端的CNN训练可以取得可比或更好的性能，而无需降维。这表明现代CNN在明确的优化约束下可以学习紧凑且具有区分能力的表示。

迁移学习并没有在所有架构上带来一致的好处。虽然它在某些配置下提高了VGG16的稳定性，但对Xception的影响并不一致。这一观察进一步支持了本研究的核心假设：性能差异不仅仅由架构设计决定，还受到模型在特定数据条件下训练和优化方式的影响。在优化训练下，PD与Control任务在所有架构上都达到了饱和性能。尽管这证实了晚期多巴胺能退化与健康对照组之间的强烈区分能力，但也表明这种二元任务可能比PD与SWEDD等临床不确定的情况要简单。后者对协议设计的敏感性更高，这强调了在边界诊断场景中仔细控制训练程序的重要性。从临床角度来看，这一点尤为重要。在筛查导向的场景中，敏感性往往比总体准确率更为关键，因为漏诊可能会延迟治疗。因此，在PD与SWEDD等边界案例中，应仔细考虑敏感性-特异性权衡。

可靠性分析进一步支持了协议优化的重要性。减少的预期校准误差和对误分类样本更为保守的置信行为表明概率一致性得到了提升。在临床决策支持系统中，这样的可靠性特征至关重要。过于自信的错误预测可能会比总体准确率的轻微降低更严重地破坏信任。准确校准的概率预测对于临床应用至关重要，因为它们直接影响决策信心和医生对AI辅助系统的信任。可视化技术（如Grad-CAM）被用来定性评估空间注意力模式，提供了超出纯数值指标的模型行为洞察。虽然这些方法不能完全消除CNN的黑箱性质，但它们有助于提高模型的透明度和信任度。

从实际角度来看，优化的单模型CNN在计算效率和部署简便性方面也具有优势。与需要多个骨干网络和推理时融合策略的集成方法不同，所提出的配置保持了较低的计算成本和减少的内存需求，同时实现了可比的性能。这种简化便于验证，减少了推理延迟，并支持集成到资源有限的临床环境中。除了领域特定的方法外，医学图像分析的最新进展引入了更复杂的架构，包括基于变压器的模型和结合卷积和关系建模的混合方法。例如，空间-通道协作多尺度图交互框架将基于CNN的特征提取与图神经网络结合起来，以建模数据样本之间的关系并提高泛化能力[18]。这些混合CNN-图方法突显了关系建模在深度学习中的重要性。然而，它们也增加了架构复杂性，而本研究专注于在受控条件下分离训练协议设计的效果。这在临床环境中尤为重要，因为计算限制和集成要求通常限制了更复杂架构的可行性。

需要承认几个限制。SWEDD子集相对较小，这可能会增加PD与SWEDD性能估计的方差，并影响统计可靠性。两个数据集都是使用2D切片表示进行评估的，而不是完整的3D体积，这可能限制了体积上下文。虽然这种选择是为了确保与先前工作的可比性并降低计算复杂性，但它可能限制了解剖学的完整性。没有进行外部多中心验证。不同采集站点、扫描仪和成像协议之间的变异性可能会影响泛化性能，应在未来的研究中加以解决。虽然本研究的主要目标是评估统一训练策略的综合效果，但未进行详细的消融研究来量化训练协议每个组件的单独贡献。然而，这样的分析将提供额外的见解，并被认为是未来工作的重要方向。

尽管本研究侧重于实证性能分析，但与基于物理或混合建模方法的结合可能会进一步提高鲁棒性和可解释性。这一方向在当前工作中尚未探索，仍是未来研究的重要领域。此外，扩展到基于变压器的模型、多模态方法和基于物理的信息方法也是未来研究的重要方向。总的来说，这些观察结果表明，在小到中等规模的神经影像学研究中，训练设计的方法论严谨性可能比架构新颖性更具影响力。

6. 结论
本研究表明，训练协议设计对DaT-SPECT-based帕金森病分类性能的影响大于CNN架构的选择。结构化的预处理、正则化和学习率调度在所有数据集中一致地提高了区分能力、校准和表示质量。实现高性能并不需要显式的降维和集成融合。优化的单模型CNN在降低计算复杂性和简化部署的同时，达到了或超过了先前报告的集成和基于压缩的方法。这些发现强调了在医学图像分类中仔细的协议设计和受控实验的重要性，特别是对于小到中等规模的神经影像学数据集。本研究的结果主要适用于使用小到中等规模数据集和标准CNN架构的2D DaT-SPECT分类任务。

本研究有几个局限性。首先，使用2D表示可能会限制捕捉完整体积信息的能力，相比之下3D方法更具优势。其次，特别是SWEDD类别的数据集规模相对较小，可能会影响统计稳健性。第三，没有进行外部多中心验证，因此跨扫描仪和采集协议的泛化能力仍有待确定。未来的工作将集中在将提出的框架扩展到3D和多切片输入，验证该方法在更大和多中心数据集上的有效性，并探索与更高级架构（包括混合CNN-图和基于变压器的模型）的集成。