基于跨域不确定性感知的胸部X光片心脏肥大可靠检测方法

《Applied Soft Computing》：Cross-Domain Uncertainty-Aware Attention for Trustworthy Cardiomegaly Detection in Chest Radiographs

　　摘要：由于肋骨等解剖结构带来的干扰，从胸部X光片中检测心脏肥大仍是一项具有挑战性的任务，这些结构可能主导深度网络的激活过程，从而降低检测的可靠性。现有方法将准确性、可解释性和不确定性视为相互独立的目标，未能将特征选择与模型置信度联系起来。我们提出了一种跨域不确定性感知注意力（CUAA）框架，该框架将认知不确定性直接整合到表示学习中。具体而言，通过变分瓶颈得到的潜在方差（σ2）会被传递到注意力路径中，作为训练过程中的特征选择信号，同时调控空间显著性及语义潜在空间的注意力分配。与那些事后估计不确定性的方法不同，CUAA能在不可靠特征影响分类决策之前将其抑制。该框架在编码器中嵌入了一个轻量级的可微分肋骨抑制模块（0.32百万个参数），并与分类目标一起优化，从而无需额外预处理即可实现基于解剖结构的特征筛选。此外，我们还提出了两种基于放射学原理的可解释性指标——偏差抑制分数（BSS）和不确定性分层性能指标，用于评估解剖结构的关注程度以及预测的可靠性。双分支的生成-判别式设计进一步提升了结构化且经不确定性校准的潜在表示能力。在MIMIC-CXR数据集（4,218名患者）上，CUAA的F1值为0.87，特异性为0.91，AUC值为0.93；在外部CheXpert数据集（1,485名患者）上的表现则为F1值0.84，其性能比基于CNN和注意力机制的基准方法高出15%。高确定性预测（σ2<0.1）的AUC值为0.97，而低确定性预测的AUC值为0.85，这使假阳性率降低了32%。潜在聚类指标也显示出表示质量的提升（轮廓系数提升40.6%，卡林斯基-哈拉巴什指数提升91.0%）。这些结果表明，不确定性可作为特征选择的有效依据，有助于在领域变化情况下实现可靠且可解释的心脏肥大检测。

引言：心脏肥大是指心脏轮廓异常扩大，是一种重要的放射学生物标志物，与多种心血管疾病相关，包括扩张型心肌病、缺血性心脏病、肺动脉高压和充血性心力衰竭[1]。尽管超声心动图和MRI等心脏成像技术取得了进展，但由于其易于获取、成本较低且被广泛用于临床常规检查，胸部X光片仍然是心胸疾病评估的首选工具[2][3]。然而，心脏肥大的检测仍然面临诸多挑战：心脏扩大的判断具有主观性，而心胸比率等传统指标也无法准确反映真实的形态变化[2]。近期的大规模临床验证既展现了深度学习在这一领域的潜力，也暴露了其局限性。虽然人工智能系统能够实现高诊断精度，并发现放射科医生可能遗漏的异常，但它们仍受限于确定性预测、缺乏置信度估计，且容易受到解剖结构干扰的影响[3]。多机构研究进一步表明，深度学习能够从X光片中提取出人类阅读者无法识别的潜在心脏功能信息[4]，这既体现了其在临床应用上的潜力，也凸显了那些难以理解的特征学习方式所带来的可解释性风险。深度学习显著提升了X光片分析的性能，CNN、Transformer以及混合架构在多标签病理分类和心脏肥大检测方面都取得了优异成果[5][6][7][8][9][10]。不过，最新研究表明，当前的主要挑战已不再是预测精度，而是不可靠的特征学习、较差的可解释性以及有限的跨领域泛化能力[5][6]。尽管不确定性量化越来越受到重视，但在医学人工智能研究中，只有少数研究将其与外部验证相结合[11]。此外，X光片模型还容易受到快捷学习现象的影响，以及由肋骨和锁骨等解剖结构引发的虚假相关性问题[6][12][13]。为解决这些问题，人们提出了多种研究方向，包括领域自适应、注意力机制、不确定性量化、生成型潜在建模以及解剖结构偏差抑制。虽然这些方法都带来了重要进展，但它们之间往往缺乏关联，也无法从根本上解决特征可靠性问题。领域自适应和泛化方法旨在通过调整特征分布来提升跨领域鲁棒性，如TriLA和RDR-Net这类方法通过多级对齐和重建驱动的优化来减轻领域差异带来的影响[14][15]。ProSFDA和DDFP等无源方法则允许在无需源数据的情况下实现自适应[16][17]，而DCAC、AdverIN和RMST等领域泛化技术则通过动态卷积、对抗性增强和参数正则化进一步提升模型的鲁棒性[18][19][20][21]。尽管这些方法能有效减少分布不匹配问题，但它们并未评估所学习到的特征在认知层面是否可靠。这类方法仅在分布层面进行对齐，而非基于特征置信度，因此模型仍可能保留那些具有解剖学上虚假特征的输入。注意力机制被广泛用于提升空间可解释性，通道注意力机制和基于Transformer的架构能够增强特征重新校准能力并实现长距离依赖关系建模[22][23]。HydraViT以及基于知识引导的注意力框架等更先进的模型则通过引入特定任务的分支或临床先验信息来提升定位精度[24][25][26][27]。基于注意力的检索系统和焦点调节网络进一步证明了在X光片分析中，空间自适应特征聚合方法的有效性[28][29]。然而，这些方法都有一个根本缺陷：它们都是基于特征显著性来确定注意力分配，却未考虑所关注的特征是否可靠。实证研究也表明，基于显著性度的解释往往无法准确反映模型的决策过程，生成的热图虽然看起来合理，但实际上具有误导性[30][31]。注意力机制虽能改变模型关注的信息范围，却无法确保其所使用信息的可靠性。不确定性量化旨在解决模型过度自信的问题，在医学成像领域尤为重要，因为预测不确定性与诊断的模糊性以及不同观察者之间的差异密切相关[32][33][34][35][36]。不过，现有的大多数方法都是通过蒙特卡洛抽样或集成方法来事后估计不确定性，这类方法计算成本较高，且与表示学习过程缺乏关联[36]。因此，不确定性估计并不会在训练过程中影响特征选择，使得模型即便为不可靠的预测提供看似合理的解释，也无法避免使用虚假特征[37]。生成型潜在变量模型通过引入概率潜在空间，部分解决了表示不确定性问题。VAE已被用于基于重建的学习和领域自适应任务中[15]，但在现有实现中，潜在方差主要被用于KL正则化或解码器端的不确定性估计，而非用于控制特征选择。因此，所有潜在维度无论其可靠性如何，都会对分类结果产生同等影响[33][35]。解剖结构带来的干扰也是一个需要解决的问题，重叠的肋骨结构会形成强烈的视觉模式，可能主导卷积特征提取过程，从而导致虚假的激活信号出现[12]。尽管已有大量研究致力于骨骼抑制技术，包括集成分割方法、级联处理流程以及基于U-Net的先进架构，但这些方法虽然能提升图像质量，却仅作为独立于后续分类步骤的预处理操作存在[38][39][40][41][42]。这类抑制方法无法根据诊断需求或分类反馈进行动态调整，因而限制了其实际效果。综合来看，现有研究存在一个明显的空白：领域自适应方法虽能提升分布对齐程度，却无法保证特征可靠性[14][15][16][17][18][19][20][21]；注意力机制虽能提升特征定位精度，却无法区分可靠特征与不可靠特征[22][23][24][25][30][31]；不确定性量化方法虽能评估模型置信度，却无法在训练过程中引导特征选择[32][33][34][35][36][37]；解剖结构偏差抑制方法虽能提升图像质量，却与分类目标相互独立[38][39][40][41][42]。目前，尚无研究提出能在单一端到端架构中同时实现基于可靠性感知的特征选择与解剖结构抑制的功能。我们推测，借助认知不确定性引导的特征选择，有望提升心脏肥大的检测精度。在将高方差潜在维度用于分类之前对其权重进行下调，可以促使模型更多地依赖那些在解剖学上较为稳定的心脏特征，而非肋骨纹理之类的虚假特征。在这种设计中，潜在方差（σ2）可作为特征级别的可靠性信号，同时影响空间注意力分配和语义表示的形成，而解剖结构抑制机制则可通过分类反馈实现动态调整，而非保持固定状态。针对上述问题，我们提出了用于胸部X光片心脏肥大检测的跨域不确定性感知注意力（CUAA）框架。该框架的核心思想是将潜在的认知不确定性直接融入表示学习过程，通过将每个维度对应的方差（σ2）传递到注意力路径中，使得不可靠特征在参与分类之前就被降低权重。表1展示了CUAA与其他现有方法的区别，同时也指出了以往研究中不确定性引导的特征选择与基于解剖结构的抑制机制之间整合不足的问题。为实现这一目标，CUAA包含了三个互补的部分：一种能够生成经不确定性校准的潜在表示的双分支生成-判别式架构；一种能够同时调控空间特征和潜在特征的不确定性引导型跨域注意力机制；以及一个嵌入在编码器中、并与分类目标共同优化的轻量级可微分肋骨抑制模块。本工作的核心贡献如下：（1）不确定性引导的注意力机制：将变分瓶颈产生的每个维度对应的认知不确定性（σ2）传递到注意力路径中，作为训练过程中的特征选择信号，同时影响空间显著性及潜在特征的权重分配。这种方式将不确定性与表示学习过程紧密结合，而非将其视为事后生成的输出结果。（2）端到端的可微分肋骨抑制机制：该框架在编码器中嵌入了一个轻量级的抑制模块（0.32百万个参数），并与分类任务一起优化。与基于预处理的方法（如双能量减影、U-Net掩码技术、GANs）不同，该模块能够接收分类任务的梯度反馈，从而根据诊断需求动态调整抑制强度。（3）生成-判别式协同训练机制：该框架采用双分支架构，通过共享的变分编码器同时执行图像重建和分类任务，从而形成具有判别性的潜在结构。这一设计使得轮廓系数提升了40.6%，卡林斯基-哈拉巴什指数提升了91.0%，表明潜在空间中的类别区分度得到了显著改善。（4）零样本跨域泛化能力：CUAA无需重新训练或微调，即可应用于外部未见过的数据集（CheXpert），其F1值为0.84，AUC值为0.91。这一能力的实现得益于经过不确定性校准的潜在表示，这类表示能够有效降低扫描设备差异带来的虚假相关性影响。

数据集、预处理及实验方案：所有实验均使用MIMIC-CXR v2.0.0数据集[43]来进行模型开发和内部测试，外部验证则在CheXpert数据集上进行[9]。这两个数据集均为大规模的、已去标识化的正面X光片数据库，其标签是通过自然语言处理技术生成的。MIMIC-CXR数据集来自贝斯以色列女执事医疗中心（2011-2016年收集），而CheXpert数据集则来自斯坦福医疗保健机构（2002-2017年收集），二者在采集环境和地理位置上均存在差异。那些DICOM元数据损坏或分辨率低于512×512的图像将被排除在分析之外。

定量性能及跨域验证：模型的性能是通过标准分类指标在训练集、验证集以及独立测试集上进行的评估。如表3所示，该模型表现出持续的高性能，且过拟合现象较轻，这说明经过不确定性约束的潜在空间能够在不削弱模型判别能力的前提下有效限制其性能表现。在MIMIC-CXR的内部测试集上，该模型的F1值为0.87，特异性为0.91，AUC值为0.93，准确率为0.88。

讨论与建议：上述结果表明，CUAA不仅具备出色的诊断性能，还具有符合临床实际的良好可解释性。该模型所提供的解释结果与放射学评估结果一致，有望为未来的临床应用提供支持。它解决了临床人工智能应用中的一个核心问题，即诊断精度与可解释性之间始终存在的权衡关系。CUAA并非将可解释性视为事后添加的可视化元素，而是将其直接融入模型设计之中。

伦理合规性：本研究使用的MIMIC-CXR和CheXpert数据集均为已去标识化的公开数据集，其使用符合二次数据分析的伦理准则。由于没有收集任何新的患者数据，因此无需经过机构审查委员会的审批。

CRediT作者贡献说明：Odeh Victor Adeyi：负责原始稿件的撰写以及数据整理工作；Clement Agaba：负责稿件的审阅与编辑、验证工作，同时还承担监督、研究指导等职责；Zhang Xiaoling：负责稿件的审阅与编辑、结果可视化处理，同时还承担项目管理、方法设计、形式分析以及概念构建等工作。

利益冲突声明：作者们声明自己不存在任何可能影响本研究结果的已知财务利益或个人关系。

Odeh Victor Adeyi | Zhang Xiaoling | Clement Agaba
中国电子科技大学信息与通信工程学院，四川成都