DSNet：一种用于乳腺癌诊断的轻量级CNN，可实现跨放大倍率的全切片图像分析

《Knowledge-Based Systems》：DSNet: A lightweight CNN for cross-magnification whole slide image analysis for breast cancer diagnosis

　　摘要：卷积神经网络在乳腺癌诊断的自动全切片图像分析中展现出巨大潜力。然而，现有的大多数CNN模型计算成本高昂，使得多分辨率全切片图像分析变得困难，而当前的轻量级方法往往缺乏在不同放大倍数、外部数据集以及可解释性方面的全面评估。为解决这些局限，我们提出了DSNet，这是一种兼顾诊断精度、计算效率、跨放大倍数稳定性及可解释性的轻量级CNN架构。DSNet仅包含131万个参数（5.01 MB），比常用的CNN模型紧凑2至17倍，同时具备最快的推理时间（51.8毫秒）和最高的精度与GFLOPs比率（81.3），显示出卓越的计算效率。在多个公开数据集上的广泛测试中，其准确率分别达到99.8%（BreakHis-400×）、94.9%（200×）、92.7%（100×）、88.0%（40×）以及90.5%（BACH），证明了其在不同放大倍数及独立外部数据集下的稳定性能。统计分析进一步证实，相比常用CNN模型，DSNet的改进具有显著意义（p<0.001）。此外，Score-CAM能够持续突出不同放大倍数下具有诊断意义的组织区域，提升了该模型的可解释性与可靠性。与现有的轻量级乳腺癌分类方法相比，DSNet在参数数量上少20倍以上，同时能在多种放大倍数、外部数据集以及可解释的预测结果方面实现全面验证，展现出相当或更优的诊断性能。总体而言，DSNet为实际的人工智能辅助全切片图像分析提供了高效、稳定且可解释的框架。

引言：全切片成像技术彻底改变了现代乳腺癌的诊断方式。全切片扫描仪可将苏木精-伊红染色的活检切片等整个病理样本转换为高分辨率数字图像，以便进行计算机辅助分析。在乳腺癌的初步诊断中，病理学家会观察这些高分辨率图像，通过分析组织形态、核异型性、腺体结构以及间质变化来判断活检样本是良性还是恶性。全切片成像技术有助于长期保存数据、快速共享信息、实现远程会诊以及辅助人工智能进行诊断。不过，一张全切片图像的像素尺寸常常超过100,000×80,000，大小也达数GB，直接进行全分辨率处理会带来极高的计算成本和巨大的内存需求。因此，全切片图像通常以分层的多分辨率金字塔结构存储。图1展示了这种多分辨率结构以及相应的全切片图像分析流程，这也是高效病理图像分析的基础。该架构能够在不同放大倍数下实现高效的可视化处理和基于图像块的AI分析，同时大幅降低计算负担。在金字塔结构中，原始全分辨率图像存储在底层，而逐渐降采样的低分辨率版本则存储在上层。每个分辨率层级又被进一步划分为较小的图像块（如256×256或512×512像素），这样就可以仅访问特定区域，而无需将整个切片加载到内存中。这种分块架构通过选择性处理图像块，显著提升了计算效率和速度。低分辨率版本尤其适用于那些不需要精细细胞细节的任务，比如组织检测、伪影识别（如组织褶皱、撕裂及失焦区域）以及区域定位。而高分辨率全切片图像则能保留用于精确诊断任务所需的细微形态特征，例如癌症检测、分级以及生物标志物或基因表达分析。在实际工作中，病理学家通常首先分析2.5倍到10倍左右的低分辨率金字塔层级，以便快速识别组织区域并排除无用背景信息，随后再在40倍及以上的高放大倍数下进行最终分析和诊断。根据诊断的复杂程度以及所分析组织的特性，病理学家会频繁切换不同的放大倍数。受这一分层工作流程的启发，我们所提出的框架首先利用低分辨率（低放大倍数）的全切片图像进行高效的组织定位和背景排除，然后再通过高分辨率分析来评估图像质量并进行恶性病变分类。近年来，人工智能领域，尤其是卷积神经网络，在自动化全切片图像分析以实现癌症检测方面取得了显著进展，有效减少了人力投入和诊断时间。人工智能算法也会根据任务的复杂性选择不同的全切片图像分辨率，例如先使用低分辨率图像进行组织检测和区域定位，再选择性地分析高分辨率图像块以进行癌症分类。另有研究显示，CNN模型使用相对较低分辨率的图像就能实现可靠的诊断性能，从而降低计算负担和推理时间[1]。然而，针对某一特定放大倍数训练的CNN模型，在应用于不同放大倍数的图像时往往难以实现有效泛化，这限制了人工智能模型在实际应用中的稳定性和可扩展性。尽管CNN在乳腺癌分类任务中表现优异[2][3][4][5]，但现有的大多数模型都依赖深度且计算成本极高的架构，这类模型包含数百万个参数，由于内存占用大、模型体积庞大以及推理时间过长，难以在资源有限的临床环境中部署，尤其是在那些无法获得高性能GPU和先进计算设施的场合。大多数使用BreakHis数据集的研究[6][7][8][9]都会结合多种放大倍数（40–400倍）的图像来训练模型，以期获得良好的跨放大倍数性能，但这些研究主要依赖参数量庞大的模型，而且此类训练过程极其耗时且资源消耗巨大。现有方法的另一个重大局限在于缺乏可解释性。在医学应用中，仅仅实现高分类精度是不够的，模型的决策还必须具有透明度且具备临床意义。如果没有可解释性，深度学习模型往往如同“黑箱”，会降低临床医生的信任度，进而限制其在临床中的应用。可解释人工智能技术可以通过突出最能影响模型预测的图像区域，提升模型的透明度、诊断相关性以及临床接受度，从而帮助解决这一问题。对于需要兼具计算效率高、可解释性强且稳定性好的CNN模型用于全切片图像分析的需求，显然十分迫切。正是出于这些挑战，本研究提出了DSNet，这是一种用于从H&E全切片图像中进行乳腺癌分类的轻量级CNN架构。该模型旨在以较低的计算复杂度实现高分类性能，从而减少内存占用和推理时间，同时在不同的全切片图像放大倍数及数据集下保持稳定性能。此外，为提升可解释性并确保预测结果的诊断相关性，本研究还采用了基于得分加权的类激活映射技术来可视化对模型决策有贡献的区域。本研究的主要贡献如下：1. 一种用于从H&E全切片图像中进行乳腺癌分类的轻量级且计算效率高的CNN模型DSNet；2. 对不同全切片图像放大倍数及数据集下的模型稳定性与泛化能力进行的分析；3. 利用Score-CAM技术对不同放大倍数及数据集下该模型诊断相关性的可解释性分析。

文献综述：目前已有许多基于人工智能的方法，尤其是基于CNN的模型，被用于乳腺癌组织病理学的分类，旨在实现早期诊断并改善治疗效果。尽管最新的深度学习方法在分类性能方面已取得显著成果，但仍有若干关键问题亟待解决，包括较高的计算复杂度、较差的部署效率、有限的跨放大倍数泛化能力，以及在实际应用中可解释性不足等问题。

伦理声明：本研究使用的数据集为经过匿名处理的公开人类活检图像，分别为BreakHis（https://www.kaggle.com/datasets/ambarish/breakhis）和BACH（https://www.kaggle.com/datasets/truthisneverlinear/bach-breast-cancer-histology-images）。由于所有个人身份信息都已去除，数据完全去标识化，因此大学研究伦理委员会免除了获得机构审查委员会批准的必要程序。本研究不涉及任何直接的人类受试者操作。

消融研究：为评估DSNet架构中残差块和注意力块的作用，我们进行了消融研究。表6总结了使用BreaKHis-400×数据集训练的不同DSNet变体的分类性能与计算特性。仅包含主干网络的DSNet测试准确率为73.07%，仅拥有110,914个参数和0.511 GFLOPs的计算能力，却展现了最高的计算效率（142.99 Acc/GFLOPs）以及最短的推理时间。

讨论：实验结果表明，DSNet成功实现了本研究的核心目标，即在乳腺癌图像分析中兼顾分类性能、计算效率、稳定性以及可解释性。消融研究证实，残差块和注意力块在特征表示学习方面起到了互补作用。虽然仅包含主干网络时的准确率仅为73.07%，但引入残差块后……

结论：在本研究中，我们提出了DSNet，这是一种用于从H&E组织病理学图像中进行乳腺癌分类的轻量级CNN框架。该模型在计算复杂度较低、推理速度快、具备跨放大倍数稳定性，同时还可通过Score-CAM分析实现可解释的预测结果等方面，展现出了良好的分类性能。总体而言，这些结果表明DSNet为实际应用提供了一种均衡高效的框架。

作者贡献说明：Md Rofiqul Bari：撰写原始稿件、方法设计、研究实施、形式化分析；Jannatul Ferdaus：方法设计、形式化分析；Amir Sohel：监督指导、项目管理；Md Alamgir Kabir：监督指导、项目管理；Md Shakhawat Hossain：撰写审稿与编辑内容、监督指导、概念构思。

利益冲突声明：作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢：作者感谢KUT的AI for Medical Imaging（AIM）实验室提供的计算资源支持。

Md Rofiqul Bari|Jannatul Ferdaus|Amir Sohel|Md Alamgir Kabir|Md Shakhawat Hossain