《Results in Engineering》：An Interpretable Deep Learning Approach for Breast Cancer Classification and Tumor Localization from Histopathological Images
编辑推荐：
乳腺癌仍然是全球主要的健康负担，通过组织病理学分析进行准确及时的诊断对于有效的治疗计划至关重要。传统诊断依赖于专家病理学家对苏木精-伊红染色组织切片的显微镜检查，这一过程劳动密集、耗时且易受观察者间差异影响。尽管深度学习在自动化组织病理学图像分析方面显示出强大
乳腺癌仍然是全球主要的健康负担，通过组织病理学分析进行准确及时的诊断对于有效的治疗计划至关重要。传统诊断依赖于专家病理学家对苏木精-伊红染色组织切片的显微镜检查，这一过程劳动密集、耗时且易受观察者间差异影响。尽管深度学习在自动化组织病理学图像分析方面显示出强大潜力，但与鲁棒性、计算效率和可解释性相关的挑战仍然限制着临床采用。研究人员提出了一种集成深度学习和可解释人工智能（XAI）的框架，用于乳腺癌组织病理学，实现图像级分类和可解释的肿瘤定位。该框架采用两个互补卷积神经网络（CNN）的概率级集成：ConvNeXt-Tiny，它捕获判别性形态特征，以及MobileNetV3-Large，一种针对效率和灵敏度优化的轻量级架构。每个网络独立预测良性或恶性概率，通过概率平均融合以提高鲁棒性，而不引入额外可训练参数。该方法在公开的BreaKHis数据集上评估，该数据集包含来自82名患者的7,909张组织病理学图像，涵盖多个放大倍数。所有实验均采用严格的患者级数据划分以防止数据泄露。为了增强模型透明度，集成了Grad-CAM++以生成类别判别性显著图，识别对模型预测有贡献的组织区域。这些显著图进一步作为伪标签，在弱监督下训练U-Net模型，实现近似肿瘤定位，无需手动像素级注释。该框架在严格的患者级评估协议下表现出强大的分类性能和平衡的灵敏度-特异性行为，准确率98.15%，精确率98.19%，召回率（灵敏度）99.66%，F1分数98.66%，ROC-AUC 99.67%，同时保持低假阴性率。通过结合诊断性能、可解释性和注释效率，该框架为AI辅助乳腺癌组织病理学分析提供了一种可重复的方法。
乳腺癌是全球女性最常见的癌症，也是癌症相关死亡的主要原因，其发病率和死亡率预计在未来几十年将显著上升。当前诊断的金标准为组织病理学检查，但依赖病理学家手动分析苏木精-伊红染色的组织切片，该过程劳动密集、耗时且存在观察者间差异。深度学习在自动化组织病理学图像分析中展现出潜力，但面临鲁棒性、计算效率和可解释性不足等挑战，限制了临床转化。此外，许多研究采用不当的图像级数据划分导致数据泄露，夸大性能，且缺乏对假阴性率、可解释性和弱监督定位的系统整合。因此，开展这项研究旨在开发一个既保证诊断性能又兼顾可解释性和注释效率的框架。
研究人员提出了一种集成深度学习与可解释人工智能（XAI）的框架，用于乳腺癌组织病理学图像分类和肿瘤定位。该框架在公开的BreaKHis数据集（包含82名患者的7,909张图像）上评估，采用严格患者级数据划分。通过概率级集成ConvNeXt-Tiny和MobileNetV3-Large，实现图像级分类，并利用Grad-CAM++生成类别判别性显著图，进而作为伪标签弱监督训练U-Net模型进行肿瘤定位。实验结果表明，框架在患者级协议下达到98.15%准确率、98.19%精确率、99.66%召回率、98.66% F1分数和99.67% ROC-AUC，且假阴性率低。该研究结合了诊断性能、可解释性和注释效率，为AI辅助乳腺癌诊断提供了可重复方案，论文发表在《Results in Engineering》。
主要关键技术方法包括：第一，概率级集成学习，将ConvNeXt-Tiny和MobileNetV3-Large的预测概率通过简单平均融合，无需额外可训练参数，以提高鲁棒性和平衡灵敏度-特异性；第二，Grad-CAM++生成类别判别性显著图，作为后验解释机制，并进一步将其作为伪标签，在弱监督下训练U-Net模型以实现近似肿瘤定位，无需像素级注释。数据来源为BreaKHis数据集，包含82名患者的7,909张组织病理学图像，来自四个放大倍数（40×、100×、200×、400×），所有实验采用严格患者级数据划分以防止数据泄露。
研究结果部分：
4.1 Performance Comparison：通过对比7个基线CNN模型、单个MobileNetV3-Large和提出的集成模型，在固定患者级数据划分下评估图像级分类性能。提出的集成模型在准确率（98.15%）、精确率（98.19%）、召回率（99.66%）和F1分数（98.66%）上均优于或持平于单个模型，召回率显著提升，表明集成有效降低了假阴性率。ROC-AUC为99.67%，略低于某些单模型，但研究者指出在临床场景中减少假阴性比微小AUC提升更重要。
4.2 Confusion Matrix Analysis：通过分析所有模型的混淆矩阵，发现误分类主要为假阴性（恶性被误判为良性）。轻量级模型（如MobileNetV2）假阴性率较高，而MobileNetV3-Large和ConvNeXt-Tiny假阴性数较低。集成模型进一步维持最小假阴性率，并实现灵敏度和特异性的更好平衡，减少了临床关键误分类。
4.3 Training and Validation Metrics：分析集成基模型（ConvNeXt-Tiny和MobileNetV3-Large）的训练和验证曲线，两者均显示稳定收敛，训练和验证趋势高度一致，未出现显著过拟合。性能指标在早期快速提升后趋于稳定，损失函数持续下降并收敛，验证了模型在未见数据上的可靠泛化。
4.4 Resolution Issue：通过对比不同输入分辨率（128×128、224×224、256×256、512×512）对分类性能的影响，发现224×224分辨率在准确率（97.89%）、精确率、召回率和F1分数上均最优。较低分辨率丢失形态细节，较高分辨率与预训练权重不匹配且增加计算成本，因此选定224×224作为输入尺寸。
4.5 Ablation Study：通过消融实验比较集成模型与单个ConvNeXt-Tiny和MobileNetV3-Large的性能。集成模型在准确率、精确率和召回率上均最高，而ConvNeXt-Tiny在F1分数上略高（98.71% vs 98.66%）。研究者指出集成提供了更优的灵敏度和整体鲁棒性平衡，且不增加额外可训练参数，验证了性能提升来源于互补决策融合而非单模型容量。
4.6 Explainable AI Analysis：采用Grad-CAM++对正确分类的测试图像生成类别判别性热力图。恶性样本中，高激活区域集中于密集细胞结构、不规则核形态和破坏组织排列的区域，对应已知恶性指标；良性样本激活更弥散且强度较低，分布于均匀组织区域。这提供了定性证据，表明模型关注病理相关区域，支持可解释性。
4.7 Weakly Supervised Segmentation Results：使用Grad-CAM++生成的伪标签作为弱监督，训练U-Net模型进行肿瘤分割。量化评估显示Dice分数0.5169、IoU 0.3519、精确率0.4264、召回率0.6611、特异性0.6008、准确率0.6193、F1分数0.5169，性能中等，符合弱监督预期。定性分析表明预测掩码一致突出恶性区域，模型学会相干定位模式而非过拟合噪声。与文献中CAM方法对比（Dice 0.45–0.62），本方法结果（0.52）处于合理范围。
讨论部分总结：提出的概率级集成通过互补架构提升分类鲁棒性，准确率提升虽有限但召回率一致改善，关键减少假阴性。Grad-CAM++可视化显示模型关注病理相关区域，支持表示可靠性。弱监督分割结果证明类判别性注意力可用于粗粒度空间定位，但性能受限于伪标签噪声。研究局限为仅基于BreaKHis单数据集，未进行外部验证，未来需跨数据集验证、采用染色归一化或域适应技术，并探索更优弱监督定位策略。研究结论部分翻译：本研究提出了一个集成深度学习框架，用于乳腺癌组织病理学，将分类、可解释性和弱监督定位整合在统一流水线中。结果表明，互补架构的概率级融合可提高分类鲁棒性，特别是通过减少假阴性预测，而不增加模型复杂度。Grad-CAM++的集成提供了临床有意义的视觉解释，而伪标签使用实现了无需像素级注释的近似肿瘤定位。这些组成部分共同展示了在单一框架中结合诊断性能、可解释性和注释效率的可行性。尽管有这些发现，研究仍受限于单数据集评估和弱监督分割的固有局限性，因此报告的性能应在可控实验条件下解释，而非直接临床部署。未来工作将聚焦于跨机构数据集验证、扩展到全切片图像分析，并通过更可靠的监督策略改进定位，扩展到多类分类和预后预测可能进一步增强其临床相关性。
