《Journal of Imaging》：Dual-Scale Hybrid Concept Bottleneck Network for Explainable 3D Lung Nodule Malignancy Classification in CT Imaging
编辑推荐：
英文摘要专业翻译：
计算机断层扫描（computed tomography, CT）中肺结节良恶性的准确区分对于早期肺癌诊断和可靠的临床决策至关重要。许多现有的深度学习方法要么侧重结节中心形态，要么侧重更广泛的解剖背景，且对模型所表征的放射学信息提供的洞察有
英文摘要专业翻译：
计算机断层扫描（computed tomography, CT）中肺结节良恶性的准确区分对于早期肺癌诊断和可靠的临床决策至关重要。许多现有的深度学习方法要么侧重结节中心形态，要么侧重更广泛的解剖背景，且对模型所表征的放射学信息提供的洞察有限。本研究提出一种双尺度混合概念瓶颈网络（Dual-Scale Hybrid Concept Bottleneck Network, DS-HCBN），用于可解释的三维肺结节恶性分类。该框架使用共享残差三维卷积编码器和轻量级上下文Transformer处理局部结节中心斑块和较大上下文斑块。所得表征通过门控交叉注意力（gated cross-attention）进行整合，同时八个放射学属性在混合分类器中被学习为有监督的中间表征。研究人员在LIDC-IDRI数据集上采用防泄漏的患者级划分开发模型，并在留出的内部测试集上评估。外部评估在公开注释的LNDb队列上进行，使用相同冻结模型，不进行重新训练或微调。在LIDC-IDRI内部测试集上，DS-HCBN达到87.34%的准确率、80.39%的F1分数和94.35%的ROC-AUC。在LNDb上，模型达到80.41%的准确率和78.65%的ROC-AUC。这些结果表明其具有强大的内部判别能力，但跨数据集性能明显下降。研究结果支持使用局部形态、解剖背景和放射学概念监督进行概念引导的肺结节分类，同时强调在更广泛的临床应用前需要改进域泛化能力。
论文解读文章：
一、研究背景与问题
肺癌是全球癌症相关死亡的主要原因之一，早期诊断对改善生存率至关重要。CT是评估肺结节的主要影像手段，可提供三维体积信息，使放射科医生能够评估结节的大小、形态、边缘、密度、钙化、纹理、毛刺和分叶等特征。然而，手动CT解读耗时且存在观察者间差异。深度学习特别是三维卷积神经网络（3D CNN）和Transformer架构已被用于肺结节分析，但许多现有模型是难以解释的黑箱，限制了其在透明临床决策支持流程中的应用。后验可解释人工智能（XAI）方法如Grad-CAM和SHAP可突出与预测相关的图像区域，但未显式将临床意义的放射学知识纳入预测路径。概念瓶颈学习引入人类可解释的中间概念，但严格概念瓶颈模型性能可能受限于概念噪声或不完整标注。此外，现有研究多侧重单一空间尺度，缺乏对放射学属性表征的定量洞察，跨数据集外部验证也相对少见。
二、研究目标与开展的研究
针对上述局限性，研究人员提出双尺度混合概念瓶颈网络（DS-HCBN），用于CT图像中节结级恶性分类。框架联合分析局部结节中心斑块和较大上下文斑块，捕获病灶形态与周围解剖的互补信息；共享残差三维卷积编码器提供主要形态表征，轻量级Transformer建模较大上下文体积；通过门控交叉注意力整合上下文信息；同时预测八个放射学属性（六个序数概念和两个分类概念），形成混合概念引导路径。研究采用防泄漏患者级划分，在LIDC-IDRI上开发并在留出内部测试集和外部LNDb队列上评估，还进行了消融、概念保真度、干预、归因和鲁棒性分析。
三、主要关键技术方法
研究使用LIDC-IDRI数据集（875例患者2664个注释结节，其中1106个结节用于二分类）进行模型开发和内部评估；外部评估使用LNDb公开注释队列（536个二分类结节来自194次CT扫描，462个良性、74个恶性），冻结模型不微调。关键方法包括：双尺度输入（局部323和上下文643体素斑块）经共享残差三维CNN编码、上下文Transformer建模、门控交叉注意力融合；八种放射学概念按原生注释结构建模（六种序数、两种分类），采用读者级软监督目标；混合概念瓶颈损失函数结合焦点损失、概念监督和成对排序；使用患者级分层随机划分、验证集选择阈值、冻结模型评估；统计不确定性采用患者聚类自助抽样（10,000次）；概念干预和三维Grad-CAM删除/插入扰动分析用于量化可解释性。
四、研究结果
4.1 内部和外部验证结果：在留出LIDC-IDRI测试集上（阈值0.23），DS-HCBN达到87.34%准确率、87.23%敏感度、87.39%特异度、F1分数80.39%、ROC-AUC 94.35%、PR-AUC 93.11%；内部混淆矩阵含97个真阴性、14个假阳性、6个假阴性和41个真阳性，全部6个假阴性恶性结节的平均恶性评分为4，其中4个仅基于单一评分。外部LNDb上准确率80.41%、敏感度63.51%、特异度83.12%、ROC-AUC 78.65%、PR-AUC 54.38%，表明跨数据集泛化明显下降，恶性患病率降低不能完全解释ROC-AUC下降。
4.2 模糊结节、注释阈值和复杂度分析：冻结模型应用于1558个不确定结节，预测恶性概率与放射科医生平均评分呈正相关（Spearman ρ=0.336，95% CI 0.285–0.387）；10 mm注释关联阈值稳定，7.5–15 mm范围内队列变化最多3个结节，共聚类保留率至少99.43%。全模型含3,767,479个可训练参数。
4.3 消融研究：局部三维形态提供主要判别信号，移除Transformer降低ROC-AUC和高敏感度特异度；仅Transformer变体表现差；门控交叉注意力优于参数匹配的拼接基线（参数差异约0.04%）。移除概念监督降低ROC-AUC和高敏感度F1，但仅潜在特征变体与完整模型相当，概念残差路径对最终预测的直接贡献有限；移除成对排序损失未降低验证性能。
4.4 形态编码器敏感性分析：用仅编码器三维U-Net替代共享残差三维CNN，U-Net在内部测试集上ROC-AUC提高到97.90%、PR-AUC提高到96.31%、敏感度提高到97.87%，但假阳性从14增加到26，降低特异度、精确率、准确率和F1；残差CNN在验证选择标准下提供更平衡的操作点并减少20.7%参数，因此保留为主编码器。
4.5 概念保真度、干预和归因结果：六个序数概念预测中，Subtlety与读者目标秩相关最强（Spearman ρ=0.639），其次为Spiculation（ρ=0.550）和Lobulation（ρ=0.535），Sphericity和Texture较弱；内部结构仅有一个参考类，准确率100%不证明四类判别；钙化准确率89.87%，但平衡准确率仅44.93%；推断时概念干预仅引起极小的概率变化且无预测翻转，表明显式概念路径直接影响有限；概念误差在错误分类结节中显著更高（0.182对0.130，Mann–Whitney p=0.040），并与恶性概率绝对误差正相关（Spearman ρ=0.327，p<0.001）；Grad-CAM在删除/插入实验中未优于随机排序，插入表现比随机基线差，但参数随机化分析表明归因图依赖学习参数（完全编码器随机化后平均Spearman ρ=0.021，Jaccard重叠0.066）。
五、总结与讨论
讨论部分指出：局部形态主导判别信号，上下文建模和门控交叉注意力提供互补信息但增益温和；概念监督主要起表征级正则化作用，而非严格的因果解释机制；Grad-CAM仅作为后验敏感性可视化而非因果空间解释；外部验证显示明显域偏移，差异可能源于采集和重建协议、结节特征、注释实践和读者支持差异；U-Net提供不同性能权衡，在假阴性成本特别高的应用中有潜在价值。研究结论为：DS-HCBN在防泄漏患者级协议下于LIDC-IDRI内部测试集取得强判别性能；可解释性分析支持有限而非绝对的解释声明，模型最适合视为混合概念引导分类器而非完全概念介导或因果可解释系统；外部LNDb评估显示中等跨数据集性能，需改进域泛化；未来工作应优先多中心外部验证、域泛化和采集协调、边界模糊标签的显式建模、更强可干预的概念路径、放射科医生独立评估解释，以及整合自动结节检测和定位。
