《Scientific Reports》：Sharpness matters: Higher image resolution improves generalization and explainability in chest X-ray classification
编辑推荐：
深度学习（DL）胸部X光（CXR）模型通常在下采样图像上训练以减少计算开销，尽管临床工作流程以高分辨率运行。先前研究调查了输入分辨率对CXR分类准确性的影响，但安全可信人工智能（AI）的两个基本支柱——可解释性和泛化性——仍未得到充分探索。在这项回顾性研究中，
深度学习（DL）胸部X光（CXR）模型通常在下采样图像上训练以减少计算开销，尽管临床工作流程以高分辨率运行。先前研究调查了输入分辨率对CXR分类准确性的影响，但安全可信人工智能（AI）的两个基本支柱——可解释性和泛化性——仍未得到充分探索。在这项回顾性研究中，研究人员评估了训练图像分辨率如何影响内部与外部测试中的CXR分类性能和解释质量。研究人员在SIIM-ACR气胸和RSNA肺炎数据集上训练卷积神经网络（CNN）进行疾病分类，采用六种分辨率（从64×64到1024×1024），使用五折交叉验证，并在内部和外部测试集上评估模型。内部性能在所有分辨率下均较高（受试者工作特征曲线下面积（AUROC）>0.85），但外部测试显示较低训练分辨率下泛化性显著较差，内部到外部下降>20%，而较高分辨率（512×512至1024×1024）下降4.2%-10.7%。较高分辨率也产生更简洁的解释，在所有模型和数据集中，1024×1024时显著图覆盖最紧凑（<4%），并在外部数据上提高了解释质量（气胸的峰值精度在768×768达到平台期）。总体而言，在较高CXR分辨率下训练改善了泛化性和可解释性，为超出内部测试性能的放射学AI设计提供了实践指导。
**论文解读：图像分辨率对胸部X光分类深度学习模型泛化性与可解释性的影响**
**研究背景与问题**
人工智能在放射学中快速应用，深度学习模型常用于疾病诊断。尽管临床工作流程依赖高分辨率胸部X光（CXR）图像以捕捉细微病理细节，但深度学习模型常因计算开销对图像进行下采样训练。先前研究（如Sabottke等2020年研究）显示，较低分辨率仍可达到较高分类性能，但未评估外部测试集上的泛化性，也未分析可解释性。泛化性和可解释性是安全可信人工智能的关键支柱，缺乏这些评估可能导致模型性能被高估，并限制临床采纳。因此，本研究重新审视图像分辨率对CXR分类的影响，重点关注模型泛化性和可解释性，旨在回答更高分辨率是否能改善外部测试性能及疾病定位解释质量。
**研究内容与结论**
研究人员在《Scientific Reports》上发表论文，探讨了图像分辨率对CXR深度学习分类模型的影响。他们使用两种常见卷积神经网络架构（DenseNet-121和ResNet-152），在SIIM-ACR气胸（n=10,675）和RSNA肺炎（n=26,684）数据集上训练模型，采用六种图像分辨率（64×64、128×128、224×224、512×512、768×768和1024×1024），通过五折交叉验证进行训练，并在内部保留测试集和外部测试集上评估。外部测试集包括VinBigData和PTX-498（气胸）以及SIIM-FISABIO-RSNA COVID-19（肺炎）。研究发现，较高分辨率显著改善泛化性（外部测试性能下降更小）和可解释性（显著图更紧凑、更精确），建议以512×512作为性能与计算成本的平衡点。
**关键方法**
研究采用DenseNet-121和ResNet-152作为卷积神经网络架构，在SIIM-ACR气胸（n=10,675）和RSNA肺炎（n=26,684）数据集上训练，图像经Z归一化和最小-最大缩放后，使用双线性插值调整至六种分辨率（64×64、128×128、224×224、512×512、768×768、1024×1024）。使用五折交叉验证，所有模型使用ImageNet预训练权重初始化，固定学习率0.0001微调。分类性能以受试者工作特征曲线下面积（AUROC）评估；可解释性通过Grad-CAM生成显著图，经阈值处理（t=0.25,0.5,0.75）后，以精度（precision）和覆盖率（coverage）量化，并在外部测试集上评估。
**研究结果**
**分类性能**
通过AUROC评估，内部测试集上所有分辨率性能较高（>0.85），但外部测试集上低分辨率模型泛化性显著下降。例如气胸模型在64×64分辨率下内部到外部AUROC下降24.4%-26.4%，而在1024×1024下仅下降5.0%-10.7%。最佳外部性能在512×512达到平台期，更高分辨率未带来显著提升。
**解释的简洁性**
以覆盖率度量的解释掩膜大小随分辨率升高而降低，即更简洁。例如DenseNet在气胸中，64×64分辨率下内部测试覆盖率约26%，而1024×1024下约3%。所有模型和数据集均呈现一致趋势，说明较高分辨率产生更聚焦的显著图。
**解释的质量**
以精度衡量，较高分辨率显著提高显著图定位准确性。气胸模型改善更明显，外部测试中峰值精度在768×768达到平台期（ResNet:0.26, DenseNet:0.40）。肺炎模型则表现更依赖架构：ResNet线性提升至768×768，DenseNet在512×512后收益递减。整体表明高分辨率增强外部可解释性。
**计算权衡**
更高分辨率增加峰值内存使用和推理时间，吞吐量下降，尤其在512×512以上呈非线性增长。低分辨率（64-224）计算开销小，但权衡下512×512为实用平衡点。
**总结讨论**
讨论部分指出，低分辨率模型对分布偏移更敏感，导致泛化性差，而高分辨率通过更有效的感受野产生简洁且精确的解释。气胸的改善更显著，因其需更细微特征；肺炎异质性较高，改善较温和。研究局限包括仅评估CNN架构、未探索Transformer模型，且肺炎外部测试集（COVID-19）可能不充分代表非COVID病例。未来需临床用户研究验证指标适用性。
**研究结论翻译**：总之，研究人员重新审视了更高图像分辨率是否改善医学影像中深度学习模型分类性能的问题。通过将评估扩展到包括使用强真实标注标准和疾病定位的外部测试性能，研究人员对增加图像分辨率的益处进行了严格评估。研究人员发现，更高图像分辨率显著改善了胸部X光深度学习分类模型的泛化性和可解释性。基于这些发现，研究人员建议以512×512图像分辨率作为计算成本与性能之间的合理平衡起点。
