《Bioengineering》：Attention-Driven CNNs as a Strong Default for HER2 Prediction from DCE-MRI: A Comparison with Transformer Architectures
编辑推荐：
背景：HER2状态指导乳腺癌靶向治疗，但目前通过有创活检确定。基于动态对比增强MRI（DCE-MRI）的影像学HER2预测可提供非侵入性辅助决策支持信号，但已发表的模型通常是单中心且预处理异质性高，限制了可重复性。方法：研究人员在包含1149例来自I-SPY试
背景：HER2状态指导乳腺癌靶向治疗，但目前通过有创活检确定。基于动态对比增强MRI（DCE-MRI）的影像学HER2预测可提供非侵入性辅助决策支持信号，但已发表的模型通常是单中心且预处理异质性高，限制了可重复性。方法：研究人员在包含1149例来自I-SPY试验的多中心BreastDCEDL数据集上训练了三头双注意力ResNet（THDA-ResNet），该网络处理三个DCE阶段（对比前、对比早期和对比晚期），并将其与视觉Transformer（ViT）和卷积视觉Transformer（CvT）基线进行比较，所有模型均使用ImageNet预训练。研究人员对14种预处理策略进行了基准测试，包括有无N4偏场校正。外部验证使用了独立的BreastDCEDL_AMBL队列（43个病灶）。AUC置信区间采用分层自助法；模型比较采用DeLong检验。结果：THDA-ResNet获得了最高AUC 0.74（95% CI 0.65–0.83），而ViT为0.66，CvT为0.63，其对CvT的优势达到边缘显著性（），对ViT则无显著性（）。在阈值0.7时，THDA-ResNet仍保持区分能力（灵敏度0.41，特异度0.86），而Transformer退化为近似平凡分类器。外部AUC为0.66（0.49–0.81）。N4校正未改善性能。结论：注意力驱动的CNN是中等规模队列上基于DCE-MRI预测HER2的强默认方法，且N4校正可省略，从而简化流程。
**论文解读：基于注意力驱动CNN的DCE-MRI HER2预测——多中心比较与预处理优化**
**研究背景与问题**
乳腺癌是全球女性最常见的癌症，动态对比增强磁共振成像（DCE-MRI）通过提供高软组织对比度和反映肿瘤生物学特性的对比动力学信息，在诊断和管理中发挥关键作用。人表皮生长因子受体2（HER2）状态是指导靶向治疗（如曲妥珠单抗）的核心生物标志物，但当前标准评估依赖于有创活检，存在取样偏差和患者负担。基于影像的HER2预测有望提供非侵入性辅助决策信号，但已有研究多为单中心、小样本，且预处理流程高度异质（如N4偏场校正、归一化策略等），导致可重复性差和跨机构泛化能力不足。此外，现代深度学习架构（如卷积神经网络CNN、视觉Transformer ViT）在医学图像分类中表现优异，但针对DCE-MRI HER2预测的系统性比较研究尚属空白。为此，研究人员利用多中心、标准化数据集，系统比较了不同预处理策略和主流架构（包括注意力驱动CNN）的性能，旨在为临床实施提供可推广的基线。
**研究内容与结论**
研究人员在包含1149例治疗前3D DCE-MRI扫描的多中心BreastDCEDL数据集（来源于I-SPY 1和I-SPY 2临床试验）上训练了三头双注意力ResNet（THDA-ResNet），该网络将三个DCE相位（对比前、对比早期、对比晚期）分别通过共享权重的ResNet34主干，并融入多尺度空间注意力和通道注意力机制进行特征融合。与视觉Transformer（ViT）和卷积视觉Transformer（CvT）基线相比，THDA-ResNet在内部测试集上达到最高AUC 0.74（95% CI 0.65–0.83），优于ViT（0.66）和CvT（0.63），且对CvT的优势接近显著性（DeLong检验，）。在阈值0.7时，THDA-ResNet仍保持非平凡区分能力（灵敏度0.41，特异度0.86），而Transformer几乎退化为多数类预测器。外部验证（独立单中心BreastDCEDL_AMBL队列，43个病灶）显示最佳AUC为0.66（0.49–0.81），表明跨机构泛化可行但存在域偏移。N4偏场校正对性能无改善甚至轻微下降，因此可省略。该研究发表于《Bioengineering》，为DCE-MRI HER2预测提供了可重复的基准和实用预处理建议。
**关键技术与方法**
主要技术方法包括：（1）数据集来源：多中心内部队列BreastDCEDL（n=1149，I-SPY试验，包含训练885例、验证132例、测试132例）和外部队列BreastDCEDL_AMBL（n=43个病灶，来自Sheba Medical Center，1.5T MR系统）；（2）输入构建：将三个DCE相位（对比前、对比早期、对比晚期）堆叠为RGB三通道图像，仅使用肿瘤所在轴向切片（通过公开分割掩膜定位，但不作为模型输入）；（3）模型架构：THDA-ResNet（共享权重ResNet34主干，每个相位独立处理，后接多尺度空间注意力模块和通道注意力融合），对比模型为ViT（MAE自监督预训练）和CvT-13（ImageNet预训练）；（4）预处理策略：系统评估14种策略，包括逐片/全局最小值-最大值归一化、分位数裁剪（上裁剪至95th/98th/99th百分位数，下裁剪至10th百分位数），以及有无N4偏场校正；（5）统计方法：AUC置信区间采用分层自助法（1000次重采样），模型比较采用DeLong检验，阈值0.7基于验证集优化。
**研究结果**
**4.1 模型性能比较**
通过比较三种架构在不同预处理下的表现，THDA-ResNet在内部测试集上AUC范围为0.69–0.74（准确率0.39–0.58），而ViT和CvT的AUC分别为0.62–0.66和0.60–0.63，但准确率较高（0.67–0.72和0.66–0.70），表明Transformer通过牺牲灵敏度（0.28–0.56 vs. THDA-ResNet 0.78–0.94）来达到高特异度，偏向多数类。DeLong检验显示THDA-ResNet（AUC 0.74）与CvT（AUC 0.63）差异边缘显著（），与ViT（AUC 0.66）不显著（），ViT与CvT无显著差异。在阈值0.7时，THDA-ResNet保持灵敏度0.41、特异度0.86，而ViT和CvT灵敏度分别降至0.00和0.03，几乎退化为平凡分类器。
**4.2 最佳THDA-ResNet配置**
在无N4校正的上裁剪策略中，通道级上裁剪至99th百分位数（99%
channel）表现最佳：内部测试集准确率0.75，AUC 0.74（95% CI 0.65–0.83），灵敏度0.41，特异度0.86；在I-SPY 2子集上准确率0.78，AUC 0.75。其他竞争策略（如通道上裁剪至98th/95th、全局上裁剪至99th）也达到相似AUC（0.73–0.74）。阈值0.7相比默认0.5显著提高了特异度（0.81–0.87 vs. 0.30–0.51），但牺牲了灵敏度，更适合临床决策辅助场景。
**4.3 外部验证（BreastDCEDL_AMBL数据集）**
将I-SPY训练的THDA-ResNet直接应用于外部AMBL队列（无微调），全局最小值-最大值归一化取得最佳AUC 0.66（95% CI 0.49–0.81），准确率0.67，灵敏度0.56，特异度0.74。逐片最小值-最大值和下分位数裁剪性能相近（AUC 0.66）。通道上裁剪至99th分位数则产生更平衡的临床指标（灵敏度0.69，特异度0.63，阴性预测值0.77），但AUC较低（0.61）。内部最优策略（通道上裁剪）在外部表现不佳，表明预处理选择需根据目标机构重新评估。
**讨论与结论**
讨论部分指出，N4偏场校正作为MRI放射组学标准步骤，在深度学习流程中可安全省略，从而简化预处理并提高可重复性。强度归一化策略存在权衡：逐片归一化破坏空间关系，通道归一化破坏时间关系，全局归一化压缩动态范围；通道上裁剪在内部最优，但外部最优策略不同，提示跨机构泛化时需重新评估。CNN与Transformer比较中，THDA-ResNet在中等规模数据集上更可靠，但预期在更大队列中Transformer可能领先。误差分析显示误分类集中在生物学模糊区域（如HER2阳性共表达激素受体、三阴性乳腺癌），且错误模式在架构间一致，表明非特定架构失败。方法论透明性：管道仅依赖公开数据，分割掩膜仅用于定位切片，可替换为现成病灶分割器。局限性包括：2D方法未利用体积信息，仅用DCE序列，外部验证样本小（43个病灶），灵敏度尚低。结论翻译：三头双注意力ResNet（THDA-ResNet）能够捕获DCE-MRI中的时空特征用于HER2预测，并在独立外部队列中实现合理泛化。两个实用结论：第一，N4偏场校正可以从预处理流程中省略而不损害性能，甚至轻微改善，从而大幅减少预处理时间并提高机构间可重复性；第二，在目前可用的中等规模公共DCE-MRI队列中，ImageNet预训练的CNN主干结合多相位注意力融合比ImageNet预训练的Transformer基线在匹配条件下产生更可靠的预测器。随着更大HER2队列的出现，这一差距预计会缩小甚至反转，但对于当前大多数研究组可访问的数据规模，注意力驱动的CNN仍然是强默认选择。这些泛化性声明受限于小外部队列（43个病灶，单中心），导致宽置信区间，在临床使用前仍需更大规模、多机构的外部验证。
