基于混合Swin Transformer与纹理特征的副结核病组织病理学分类框架

《Bioengineering》：A Hybrid Swin Transformer and Texture Feature Framework for Histopathological Classification of Paratuberculosis

　　

副结核病是一种与畜牧业生产重大经济损失相关的慢性传染病。组织病理学检查仍是一种重要的诊断方法，但可能耗时且依赖专家经验，这推动了自动化、可解释图像分类方法的发展。本研究评估了一个可解释框架，该框架整合了预训练的Swin-Tiny Transformer、手工设计的灰度共生矩阵（GLCM）和局部二值模式（LBP）纹理描述符，以及XGBoost分类器，用于副结核病组织病理学图像分析。经过重复筛查后，评估了349张独特图像，包括199张MAP阳性样本和150张MAP阴性样本，采用分层图像级五折交叉验证。比较了四种模型配置，以评估学习特征和手工特征表示的独立及增量贡献。独立Swin-Tiny模型取得了最高的平均ROC–AUC（受试者工作特征曲线下面积），而Swin嵌入XGBoost和混合Swin + GLCM/LBP + XGBoost模型分别取得了平均ROC–AUC值。仅使用GLCM/LBP的模型取得了平均ROC–AUC，表明手工纹理描述符包含独立的判别信息，但与Swin嵌入结合时提供的增量价值有限。Grad-CAM（梯度加权类激活映射）和XGBoost特征重要性分析提供了图像级和特征级的模型预测解释。这些发现证明了Swin-Tiny表示在副结核病组织病理学图像分类中的有效性，同时强调需要使用更大、独立来源的数据集进行外部验证。

论文解读：基于Swin Transformer与纹理特征的副结核病组织病理学分类框架

副结核病（Paratuberculosis），又称约翰氏病（Johne’s disease），是由鸟分枝杆菌亚种副结核分枝杆菌（Mycobacterium avium subspecies paratuberculosis, MAP）引起的慢性传染病，主要影响家养和野生反刍动物。该病以进行性肠道炎症、慢性腹泻、体重减轻、生产力下降及最终恶化为特征，给全球畜牧业造成重大经济损失和动物福利问题。由于感染动物可在长时间内无症状但持续排菌，早期准确诊断对疾病监测、畜群管理和控制计划至关重要。组织病理学检查是组织水平评估副结核病的重要手段，能够直接观察肉芽肿性病变、巨噬细胞浸润、淋巴组织改变等特征性病理表现。然而，人工评估组织切片劳动强度大、依赖兽医病理学专业知识，且存在观察者间变异，尤其是当病变细微或异质时。因此，开发能够通过一致且可重复的图像解释支持病理学家的计算方法具有重要意义。

近年来，深度学习在医学和兽医图像分析中展现出巨大潜力。卷积神经网络（Convolutional Neural Network, CNN）因其从图像数据直接学习层次表示的能力，长期主导组织病理学图像分析。然而，在副结核病诊断领域，自动化组织病理图像分析的研究仍然有限。例如，Sengoz等人基于VGG-16开发了深度学习框架，并证明对比度受限自适应直方图均衡化（CLAHE）可显著提高分类性能；Yigit等人提出使用ResNet和VGGNet架构的可解释人工智能框架。尽管这些研究取得了一定成果，基于Transformer的混合方法在副结核病组织病理学图像分类中的应用尚未得到充分探索。Transformer架构因其捕获长距离空间依赖和上下文关系的能力，已成为CNN的有力替代方案。其中，Swin Transformer通过基于移位窗口自注意力的层次化架构，能够高效建模局部和全局图像结构，同时保持计算可扩展性，尤其适用于组织病理学图像中多尺度诊断相关模式的分析。

尽管深度学习方法取得了成功，但在数据集相对较小、类别分布不均衡或疾病状态间形态差异细微的情况下，组织病理学分类仍具挑战性。手工纹理描述符通过显式量化局部强度分布、空间灰度级关系和组织异质性，可能提供互补信息。基于灰度共生矩阵（Gray-Level Co-occurrence Matrix, GLCM）、Haralick统计特征和局部二值模式（Local Binary Pattern, LBP）的纹理分析方法已被广泛应用于生物医学图像分析，能够捕获深度神经特征可能未完全表征的结构信息。因此，将学习表示与手工描述符相结合，可能为评估显式纹理信息在有限数据组织病理学环境中的额外判别价值提供有效策略。此外，在临床和诊断环境中，仅靠预测性能不足以支持模型采用，自动化系统还应提供透明、可解释的解释，使领域专家能够检查模型预测背后的依据。可解释人工智能（Explainable Artificial Intelligence, XAI）技术，如梯度加权类激活映射（Gradient-weighted Class Activation Mapping, Grad-CAM）和特征重要性分析，能够提供关于影响模型决策的图像区域和特征表示的互补见解。

基于上述考虑，研究人员评估了一个可解释的Swin Transformer和纹理特征框架，用于副结核病组织病理学组织图像的二分类。经过重复筛查并排除包含比例尺、注释或文档伪影的辅助图像后，最终分析队列包含349张独特图像，其中199张MAP阳性和150张MAP阴性样本。研究采用分层图像级五折交叉验证，评估了四种模型配置：独立端到端Swin-Tiny、GLCM/LBP特征结合XGBoost、Swin-Tiny嵌入结合XGBoost，以及结合Swin-Tiny嵌入与GLCM/LBP纹理描述符的混合XGBoost模型。通过消融设计，研究评估了学习特征和手工特征表示的独立及增量贡献。Grad-CAM和XGBoost特征重要性分析用于提供图像级和特征级的模型行为解释。

本研究的核心方法包括以下几个关键技术方面。首先，采用Reinhard染色归一化减少H&E染色和图像采集导致的颜色差异，其目标颜色统计量仅从每折外部训练分区估计，避免信息泄漏。其次，Swin-Tiny Transformer使用ImageNet预训练权重初始化，并针对二分类进行微调，输入分辨率为224×224像素。训练期间应用随机裁剪、翻转、旋转和颜色抖动等数据增强，验证和测试分区仅进行确定性预处理。第三，从微调模型提取768维嵌入向量。同时，从Reinhard归一化图像提取手工纹理特征：GLCM使用32个灰度级，像素距离为1、2、4像素，方向为0°、45°、90°、135°，计算对比度、相异性、同质性、能量和相关性等属性，并聚合得到12维GLCM特征；LBP使用24个采样点、半径3像素的旋转不变均匀模式，生成26维直方图特征。第四，特征标准化后，将768维Swin嵌入与38维纹理特征拼接，形成806维融合向量，输入XGBoost分类器。XGBoost配置为300棵树、最大深度3、学习率0.03，通过加权正类处理类别不平衡。第五，评估指标包括准确率、精确率、召回率、特异度、F1分数和ROC–AUC，采用分层引导重采样估计95%置信区间，并使用配对bootstrap和McNemar检验进行统计比较。最后，使用Grad-CAM生成图像级可视化解释，基于XGBoost增益计算特征重要性。

研究结果部分，研究人员首先通过比较四种模型配置的消融分析评估特征贡献。独立Swin-Tiny模型取得最高平均ROC–AUC，Swin-嵌入XGBoost和混合模型取得最高平均准确率。仅GLCM/LBP模型也取得一定的判别性能，但低于所有包含Swin表示的配置。其次，对合并的折叠外预测进行汇总性能分析，独立Swin-Tiny正确分类138张MAP阴性和183张MAP阳性图像，混合模型正确分类142张MAP阴性和182张MAP阳性图像，混合模型减少了假阳性但增加了一个假阴性。第三，统计比较表明，混合模型与Swin-嵌入XGBoost的ROC–AUC差异无统计学意义，McNemar检验也显示无显著差异；混合模型显著优于仅GLCM/LBP模型。第四，深度与手工特征表示分析显示，Swin嵌入特征占XGBoost总增益的99.4%，GLCM/LBP仅占0.6%，且20个最高排名特征全部来自Swin嵌入空间。第五，模型可解释性分析通过Grad-CAM可视化显示，模型在正确分类的图像上产生了空间分布不同的激活模式，表明模型利用多区域图像信息而非固定位置，但未与病理学家提供的区域级注释进行比较。

讨论部分总结了研究的意义。三种基于Swin的配置均取得强判别性能，平均ROC–AUC范围为0.977至0.979，表明Transformer派生表示能有效捕获副结核病组织病理学图像中的判别信息，即使数据集规模有限。Swin Transformer的层次化移位窗口注意力机制可能有助于建模多尺度组织形态和上下文信息。消融分析表明，手工GLCM/LBP特征虽具有独立判别能力，但添加到Swin嵌入后未带来可测量的性能提升，其预测信息可能已包含在学习表示中。特征重要性分析进一步证实混合分类器主要依赖深度表示。Grad-CAM提供了定性可视化，但属于事后解释，不能确立病理因果关联。研究强调，混合特征融合的价值可能取决于数据集、成像特征和特征设计，并需要通过显式消融进行验证。研究结论部分指出，该框架在副结核病组织病理学图像分类中展现出强性能，但外部验证仍属必要。未来研究应使用更大规模、多机构数据集，并提供动物、标本和切片级标识，以评估跨实验室、染色方案和成像系统的泛化能力。