《Scientific Reports》：A hybrid ConvNeXt-ViT framework with differential evolution optimization for breast cancer classification
编辑推荐：
乳腺癌是全球女性死亡的主要原因之一，通过乳腺X线摄影进行早期检测至关重要。然而，由于类不平衡、数据集有限以及需要同时提取局部和全局特征，自动分类仍然具有挑战性。虽然卷积神经网络（CNN）在乳腺X线摄影分类的局部特征提取方面表现出色，但它们难以捕捉长程上下文依赖
乳腺癌是全球女性死亡的主要原因之一，通过乳腺X线摄影进行早期检测至关重要。然而，由于类不平衡、数据集有限以及需要同时提取局部和全局特征，自动分类仍然具有挑战性。虽然卷积神经网络（CNN）在乳腺X线摄影分类的局部特征提取方面表现出色，但它们难以捕捉长程上下文依赖关系。相反，基于Transformer的模型能有效捕获全局关系，但需要大型数据集和大量计算资源，这限制了它们在医学影像中的应用。为克服这些限制，研究人员提出了DEViTNeXt，这是一个新的混合框架，将ConvNeXt的卷积效率与Vision Transformer（ViT）的注意力机制全局建模协同结合，并通过差分进化（DE）优化增强。该框架采用全面的预处理（高斯滤波、对比度受限自适应直方图均衡化（CLAHE）增强）和混合增强管道，该管道将基于生成对抗网络（GAN）的恶性病例合成与几何变换相结合。双分支特征提取利用ConvNeXt获取层次化局部特征，利用ViT获取全局上下文关系，并通过多头部注意力（MHA）精炼动态强调两个分支中的诊断区域。一个DE优化的MHA融合层自适应地整合互补特征。一个复合损失函数（加权交叉熵 + 焦点损失）在关注复杂恶性病例的同时解决了类不平衡问题。在CBIS-DDSM和MIAS数据集上的大量实验证明了DEViTNeXt的优越性，在CBIS-DDSM的二分类（良性 vs. 恶性）任务中达到了99.63%的准确率、99.45%的灵敏度和99.55%的特异性，在MIAS的三分类任务中达到了98.50%的准确率，超越了现有最先进的方法。
**论文解读：DEViTNeXt——一种结合差分进化优化的混合ConvNeXt-ViT框架用于乳腺癌分类**
**研究背景与问题**
乳腺癌是全球女性最常见的恶性肿瘤之一，每年新发病例数以百万计，早期检测通过乳腺X线摄影（mammography）可显著提高五年生存率。然而，乳腺X线摄影的自动分类面临三大核心挑战：一是公开数据集通常规模较小且存在严重的类不平衡，恶性病变样本往往不足；二是需要同时提取局部精细特征（如微钙化、肿块边缘）和全局上下文信息（如组织不对称、结构扭曲），但传统卷积神经网络（CNN）擅长局部纹理建模却难以捕捉长程空间依赖，而纯Transformer模型（如Vision Transformer, ViT）虽能建模全局关系，却缺乏CNN的局部归纳偏置，且对大规模标注数据依赖性强；三是现有混合模型大多依赖手动调参、静态融合策略，且未充分解决数据稀缺与不平衡问题。因此，研究人员亟需一种能够自适应融合局部与全局特征、自动优化超参数并有效缓解类不平衡的混合框架。
**研究内容与意义**
针对上述问题，研究人员提出DEViTNeXt，一种新型混合深度学习框架，发表于《Scientific Reports》。该框架将ConvNeXt的卷积效率与ViT的注意力机制全局建模相结合，并通过差分进化（Differential Evolution, DE）算法自动优化关键超参数，同时采用基于生成对抗网络（GAN）的合成数据增强与几何变换。在CBIS-DDSM（二分类，良性vs.恶性）和MIAS（三分类，正常、良性、恶性）两个公开乳腺X线摄影数据集上，DEViTNeXt分别达到99.63%和98.50%的准确率，显著超越多种现有方法（如ResNet50、InceptionV3等），并通过外部INbreast数据集验证了其跨数据集泛化能力。该研究为乳腺X线摄影的自动化筛查提供了高灵敏度、高特异性的临床可行方案，推动了计算机辅助诊断（CAD）系统的发展。
**主要关键技术方法**
研究人员采用如下关键技术（忽略具体培养与质粒构建，注明样本来源）：
1. **数据预处理**：对CBIS-DDSM（1,459张图像，来源于DDSM的标准化子集）和MIAS（322张图像，来自英国研究团体）数据集进行高斯滤波去噪、对比度受限自适应直方图均衡化（CLAHE）增强及最小-最大强度归一化，并将图像统一缩放至224×224像素。
2. **混合数据增强**：在患者级分层划分后，仅对训练集采用条件深度卷积GAN（cDCGAN）合成恶性样本，并结合几何变换（旋转、翻转、缩放、平移），将CBIS-DDSM扩充至5,950张，MIAS扩充至1,050张。
3. **双分支特征提取与注意力精炼**：ConvNeXt分支提取层次化局部特征，ViT分支通过补丁自注意力提取全局上下文；每个分支后均独立使用多头部注意力（MHA）模块动态聚焦诊断关键区域。
4. **DE优化的MHA融合层**：通过差分进化算法自动优化学习率、权重衰减、丢弃率、注意力头维度和融合系数，并采用基于交叉注意力的MHA融合层自适应整合双分支特征。
5. **复合损失函数**：结合加权交叉熵（WCE）与焦点损失（Focal Loss），通过平衡系数β联合优化，缓解类不平衡并聚焦难分类恶性样本。
**研究结果**
**1. DEViTNeXt模型性能**
在CBIS-DDSM二分类任务中，DEViTNeXt取得99.63%的准确率、99.45%的灵敏度、99.55%的特异性；在MIAS三分类任务中，准确率达98.50%，恶性类别的F1分数为97.99%。受试者工作特征曲线（ROC）下面积（AUC）在CBIS-DDSM上为0.9996，在MIAS上为0.9918，说明模型具有极佳的判别能力。
**2. 消融研究**
渐进式消融实验表明：
- 单独使用ConvNeXt或ViT性能有限，而两者简单组合即优于单一骨干网络。
- DE优化带来最大单项提升（CBIS-DDSM +2.80%，MIAS +2.84%），证实了自适应超参数调优的有效性。
- GAN合成增强在MIAS上提升最大（+2.32%），对缓解小数据集类不平衡至关重要。
- 去除CLAHE导致召回率和F1分数下降，证明其增强局部对比度的必要性。
- 独立MHA精炼与DE优化的交叉注意力融合均优于静态融合方法（如简单拼接、元素相加）。
- 复合损失函数相比单一交叉熵提高了对困难恶性样本的识别能力。
**3. 优化算法对比**
将DE与粒子群优化（PSO）、灰狼优化（GWO）、鲸鱼优化算法（WOA）和网格搜索进行对比，在相同搜索预算下，DE在CBIS-DDSM上达到99.58%准确率，MIAS上98.42%，均优于所有对比方法。DE选择的超参数（如学习率3.2×10??、融合系数0.66）提供了最佳的局部-全局平衡。
**4. 与现有方法对比**
在CBIS-DDSM上，DEViTNeXt的99.63%准确率优于浅层CNN（98.79%）、ResNet50（93.15%）和InceptionV3（97.87%）等；在MIAS上，98.50%准确率与最佳三分类方法（InceptionV3-based，98.96%）相近，但本任务为更复杂的三分类。Wilcoxon符号秩检验证实所有提升均具有统计显著性（p<0.05，经Bonferroni校正后仍显著）。
**5. 外部验证**
在完全独立的INbreast数据集上，无需微调即达到99.02%准确率、98.78%灵敏度，进一步证实了模型学习到的可迁移特征。
**结论与讨论**
研究人员总结指出，DEViTNeXt通过协同整合ConvNeXt的卷积效率、ViT的全局建模、DE优化、MHA融合及复合损失函数，有效解决了乳腺X线摄影分类中的类不平衡、局部-全局特征融合和超参数调优难题。在CBIS-DDSM和MIAS上的优异性能以及外部验证的成功，表明该框架具有临床可行性，可用于早期乳腺癌筛查。未来工作将引入Grad-CAM++等可解释性技术以增强临床信任，并扩展至多模态成像（超声、MRI）以及开展多中心前瞻性临床试验。
