《Bioengineering》：Deep Learning Approaches for Classification of Honeycombing and Ground Glass Opacity in Lung CT Imaging: A Systematic Review
摘要：肺部疾病如蜂窝征（Honeycombing, HC）和磨玻璃影（Ground Glass Opacity, GGO）因其在计算机断层扫描（Computed Tomography, CT）影像中重叠的视觉特征和复杂的结构模式，给医学图像分析带来了重大挑战。这些病变常表现出与正常肺组织相似的外观，使得准确区分极为困难，且高度依赖于成像质量和专家判读。本系统性综述对2011年至2026年间发表的关于利用医学影像进行肺部疾病检测与分类的研究进行了文献梳理。研究人员共分析了98篇入选研究，以审视机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）技术在自动化肺部疾病分析领域的最新进展。该综述涵盖了关键方面，包括CT和胸部X光等成像模态、公开及私有数据集、预处理技术、特征提取方法、分类模型以及评估指标。研究结果表明，传统机器学习方法在早期研究中被广泛使用，而近期研究日益转向深度学习方法，因其能够从医学图像中自动学习判别性特征。在这些方法中，卷积神经网络（Convolutional Neural Networks, CNNs）、基于ResNet的架构、DenseNet和EfficientNet是用于肺部疾病分类最常用的模型。尽管取得了显著进展，但仍存在若干挑战，包括公开可用数据集的有限性、类别不平衡、成像协议的差异性以及缺乏标准化的评估框架。此外，诸如蜂窝征和磨玻璃影等视觉相似病变之间的错误分类仍然是一个持续存在的问题，影响了诊断的可靠性。本综述识别了关键的研究空白，并强调了建立标准化数据集、改进预处理技术和采用一致评估协议的必要性。未来研究应聚焦于提升模型在不同数据集上的泛化能力和鲁棒性，以支持临床实践中可靠的自动化肺部疾病诊断。
1. 引言
肺部疾病如特发性肺纤维化（Idiopathic Pulmonary Fibrosis, IPF）及其他形式的间质性肺病（Interstitial Lung Disease, ILD）因重叠的放射学特征和异质性表现带来了显著的诊断挑战。高分辨率计算机断层扫描（High-Resolution Computed Tomography, HRCT）仍是ILD评估的主要成像方式，可提供蜂窝征（Honeycombing）和磨玻璃影（Ground Glass Opacity, GGO）等肺组织模式的详细可视化，这些是疾病进展的重要指标。然而，由于细微的纹理和结构相似性，即使对于经验丰富的放射科医生，准确区分这些模式仍然困难，可能导致诊断变异性和临床判读中的潜在错误分类。过去十年中，深度学习（Deep Learning, DL）技术因其自动提取层次化特征和识别复杂模式的能力，在医学图像分析领域获得了极大关注。卷积神经网络（Convolutional Neural Networks, CNNs）和基于迁移学习的架构在肺部CT分类任务中展现出比传统机器学习方法更优的性能，尤其在捕捉难以用人工设计描述符表示的精细成像特征方面。深度学习框架，特别是基于CNN的架构，被广泛应用于肺部图像分析流程中的特征学习和分类任务。这些方法已被广泛应用于肺癌检测和COVID-19分类，并在敏感性和泛化性能方面取得了有前景的结果。
尽管取得了这些进展，现有研究中仍存在若干方法论局限性。许多工作依赖于小型、机构特有或非多样化的数据集，这限制了模型在不同人群和成像协议间的泛化能力。此外，使用多个性能指标评估肺癌检测模型至关重要，因为仅凭准确率可能无法完全反映诊断性能。另一个关键挑战在于有效捕捉区分蜂窝征与GGO所需的细微放射学特征。虽然DL模型提供了强大的特征学习能力，但其性能仍高度依赖于预处理质量、数据集变异性以及训练策略。
CT图像预处理方面的最新进展表明，增强和标准化技术显著影响DL性能。低剂量CT成像的去噪方法在保留解剖结构的同时提高了特征清晰度，从而增强了分类可靠性。同样，对比度受限自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalisation, CLAHE）增强的成像改善了局部对比度并突显了细微的肺部纹理，这对于区分蜂窝征和GGO等精细模式至关重要。此外，基于深度学习的肺部分割流程通过分离相关肺部区域并减少周围解剖结构的干扰，提升了分类性能。这些发现强调了预处理在提高模型鲁棒性方面的重要性，尤其是在涉及细微纹理变化的ILD分类任务中。
尽管基于DL的肺部疾病分类已取得显著进展，但专门针对ILD中蜂窝征模式识别的研究相对较少。现有的综述倾向于提供肺部图像分析的广泛概述或侧重于单一疾病，而未批判性地综合方法论局限或识别与蜂窝征分类相关的一致空白。这凸显了对现有方法进行更聚焦的系统性综合的需求，以更好地理解当前的局限性和未来的研究方向。
本系统综述旨在通过提供对近期用于间质性肺病（ILD）相关肺部分类的深度学习方法（特别关注蜂窝征模式）的全面评估来填补这一空白。通过系统分析现有方法，本研究突出了当前方法在区分视觉上相似的肺部病症方面的优势和局限性。该综述进一步综合了先前研究的关键发现，以识别共同挑战，包括特征重叠、数据集变异性和错误分类问题。总体而言，这项工作有助于更好地理解ILD诊断中深度学习发展的现状，并指明了提高自动化肺部疾病分类系统可靠性和临床适用性的重要方向。
本研究探讨了以下研究问题：RQ1：哪些深度学习架构已被应用于基于CT图像的蜂窝征和ILD肺部分类；RQ2：现有研究中常用哪些数据集、预处理技术和特征提取策略；RQ3：应用了哪些评估指标来评估模型性能及其报告的一致性如何；RQ4：当前用于蜂窝征分类的深度学习方法存在哪些方法论局限和挑战；RQ5：可以识别出哪些研究空白和未来方向以改进自动化ILD诊断。
论文结构如下：第2节介绍了系统综述的材料和方法，包括在线数据库、PRISMA研究筛选过程、医学图像模态、数据集特征评估、图像准备方法和分类性能指标。第3节讨论了现有工作在肺部疾病分类中的局限性，涵盖分类模型的局限性以及机器学习和深度学习方法在肺部分类中的应用。第4节呈现了综述的讨论与结论，综合了所审查研究中的主要发现和研究空白。第5节强调了未来的研究方向以及提高基于深度学习的肺部疾病分类框架鲁棒性、泛化能力和临床适用性的潜在策略。
2. 材料与方法
研究人员通过系统分析来自八个不同学术数据库的研究，开展了一项全面的综述。主要关注基于机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）的使用计算机断层扫描（Computed Tomography, CT）成像进行肺部疾病分类的方法，特别关注与间质性肺病相关的蜂窝征和磨玻璃影（Ground Glass Opacity, GGO）模式。该综述还考虑了准确区分这些视觉上相似模式的挑战。为确保结构化且彻底的分析，该综述围绕几个关键方法论方面展开，包括医学成像模态、数据集特征、图像预处理技术和性能评估指标。文献检索在IEEE Xplore、ScienceDirect、SpringerLink、PubMed、Scopus、Web of Science、ACM Digital Library、MDPI和Google Scholar中进行，时间范围限定在2011年至2026年。采用了包含布尔运算符的结构化检索策略，由三个主要部分组成：疾病相关术语、深度学习技术和应用背景。最终检索式表述为：("honeycombing lung" OR "interstitial lung disease" OR "ground glass opacity" OR "ILD") AND ("deep learning" OR "convolutional neural network" OR "CNN" OR "transfer learning") AND ("CT image classification" OR "medical image classification" OR "lung disease detection")。此外，通过对选定文章的参考文献进行筛查来补充研究。研究选择遵循PRISMA指南。初始检索共获得750条记录，并通过参考文献筛查额外获得28条。去重后剩余468条唯一记录。经过标题和摘要筛选排除120条，剩余的348篇文章进入全文评估，最终有98项研究纳入定性综合。
2.1. PRISMA研究筛选过程
研究选择遵循PRISMA 2020指南，以确保对相关研究的全面覆盖。该过程包括四个连续阶段：（i）识别：使用定义的检索查询从八个学术数据库中检索记录（n=750），并通过相关文章的参考文献列表筛查额外识别出28条记录。去重后剩余468条唯一记录，随后进行标题和摘要筛选。（ii）筛选：根据预定义的纳入和排除标准对468条记录的标题和摘要进行筛选。在此阶段，排除了120条记录。（iii）合格性：剩余的348篇文章接受了全文评估以确定其是否适合纳入。另有250篇文章因各种原因被排除。（iv）纳入：最终共有98项研究被纳入定性综合。
2.2. 医学图像模态
医学成像模态在肺部疾病诊断中发挥着重要作用，提供不同层次的解剖、结构和功能信息。选择合适的成像模态是开发自动化肺部疾病分类系统的一个重要考虑因素，因为图像特性、分辨率、采集方法和临床应用上的差异会影响提取特征的质量和模型性能。该综述考虑了四种常用于肺部疾病分析的主要成像模态：X射线、计算机断层扫描（CT）、磁共振成像（Magnetic Resonance Imaging, MRI）和正电子发射断层扫描（Positron Emission Tomography, PET）。在这些模态中，CT成像以其高空间分辨率提供详细的肺部结构横截面可视化，使其适用于分析复杂的肺部模式和异常。然而，CT图像可能存在由采集设置、噪声和成像协议引起的变异，需要适当的预处理策略来提高图像一致性和特征表示。X射线成像因其可及性、低成本和对大规模筛查应用的适用性而仍然是一种重要的成像模态。MRI提供了出色的软组织对比度，并为选定的肺部病症提供了额外信息，尽管其在肺部成像中的应用受到技术挑战的限制。PET成像主要关注功能和代谢信息，提供超越结构成像的补充见解。分析显示，CT是代表性研究中最常采用的模态，特别是在涉及肺部异常自动化分类的应用中。
2.3. 数据集特征评估
在肺部疾病图像分析研究中，数据集通常根据其来源、可访问性和数据收集策略分为公共数据集和私有临床数据集。公共数据集是开放获取的存储库，支持可重复研究和跨不同方法的比较评估。相比之下，私有或临床数据集是在受控条件下从医院或医疗机构收集的，通常涉及与医学专家的合作。这些数据集可能提供更具临床特异性的信息和经专家验证的标注，但由于患者隐私法规和机构政策，访问通常受到限制。数据集特征直接影响模型性能、泛化能力和临床适用性。在多项研究中观察到的一个显著局限性是对数据集特征的报告不足，尤其是数据集大小和类别分布，这可能降低透明度、可重复性和不同方法之间的有意义比较。类别不平衡在肺部疾病数据集中经常被观察到，特别是当将蜂窝征、磨玻璃影和恶性肺结节等异常发现与正常或良性类别进行比较时。一些研究通过使用预处理和增强技术来解决数据集不平衡问题。整体而言，分析表明数据集质量不仅取决于数据集大小，还取决于标注可靠性、类别分布、预处理策略和数据收集方法。
2.4. 图像准备方法
图像准备是医学图像分析中的一个关键阶段，特别是对于基于深度学习的肺部疾病分类及相关诊断任务。这些过程旨在提高图像一致性、增强重要的视觉特征、减少不相关信息，并为特征提取提供更具信息量的输入。所审查的研究报告了多种图像准备策略，包括图像增强、归一化、缩放、感兴趣区域（Region of Interest, ROI）提取、基于分割的方法和图像增强技术。归一化被广泛用于标准化像素强度分布，并减少由扫描仪、采集协议和成像条件差异引起的变化。图像增强是另一种常用的策略，特别是在可用数据集有限的情况下。ROI提取侧重于识别和隔离临床上有意义的区域，同时减少无关的背景信息。图像缩放是另一个重要的准备步骤，特别是对于需要固定输入维度的深度学习架构。基于分割的图像准备也常用于医学图像分析，以在分类前分离解剖结构或病理区域。除了常规方法外，一些研究强调了先进增强和精炼技术的重要性，例如对比度受限自适应直方图均衡化（CLAHE）和基于深度学习的去噪技术。总体而言，图像准备策略显著影响深度学习模型在肺部疾病分类中的准确性、稳定性和泛化能力。
2.5. 分类性能指标
评估指标对于评估基于深度学习的肺部疾病分类系统的性能至关重要。从临床角度看，假阴性（False Negatives, FN）在肺部疾病分类中尤为关键，因为它们代表可能影响及时临床评估的遗漏异常病例。而假阳性（False Positives, FP）可能导致不必要的随访检查和增加的临床工作量。因此，敏感性对于评估模型正确识别异常病例的能力很重要，而特异性则评估正确识别非患病病例和减少误报的能力。然而，在医学成像任务中，仅靠准确率可能不足以全面评估模型性能，特别是在数据集包含不平衡类别或异质分布的情况下。因此，使用多个评估指标，包括精确率、敏感性、特异性和AUC-ROC，可以提供对模型性能更全面的评估。分析发现，准确率是所有选定研究中最一致报告的指标。敏感性在审查的研究中也经常被报告，反映了衡量模型正确识别异常肺部病例能力的重要性。相比之下，特异性在各研究中的报告一致性较低。精确率和AUC-ROC在审查的研究中报告频率也不同。报告指标的变化表明，肺部疾病分类研究中尚未一致采用标准化的评估框架。
3. 现有工作的局限性
3.1. 分类模型的局限性
肺部疾病分类主要通过两种计算范式进行：传统机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）。这两种方法都对医学图像分析做出了重大贡献，但每种方法都存在固有的局限性，影响诊断准确性和模型泛化能力，特别是在蜂窝征（HC）和磨玻璃影（GGO）等复杂病例中。
3.1.1. 用于肺部分类的机器学习
机器学习在医学图像分析中被广泛采用，使系统能够从数据中学习模式，而无需依赖显式的基于规则的编程。然而，这些方法的有效性高度依赖于数据集质量、特征表示和类别分布。传统的ML方法通常依赖于手工特征提取，这可能会限制其在大规模或异质性临床数据集上的可扩展性、适应性和鲁棒性。研究发现，支持向量机（Support Vector Machine, SVM）和贝叶斯分类器在传统机器学习方法中表现出有希望的性能，尤其对于弥漫性间质性肺病（Diffuse Interstitial Lung Disease, DILD）和弥漫性肺部模式分类。K近邻（K-Nearest Neighbour, KNN）分类器也已应用于各种肺部疾病分类任务，但其性能受特征表示、距离度量和数据集特性的强烈影响。为了克服传统ML方法的局限性，混合和优化方法也被探索过。总体而言，传统ML方法可以实现有竞争力的性能，但它们通常受限于对手工特征提取的依赖以及自动学习复杂和层次化图像表示的能力有限。
3.1.2. 用于肺部分类的深度学习
深度学习（DL）作为机器学习的子集，采用多层人工神经网络直接从原始数据执行层次化特征学习。卷积神经网络（CNNs）和基于迁移学习的架构在识别肺部异常方面展现出强大性能。在肺部疾病分类中，基于CNN的模型已被广泛探索。研究表明，不同的架构根据数据集特性、疾病类别和成像变化表现出不同的性能。尽管基于CNN、ResNet、VGG16、DenseNet、EfficientNet和Transformer的深度学习架构显著提升了肺部疾病分类性能，但其有效性仍受到数据集特性、图像质量、标注一致性和复杂病理模式存在的影响。因此，增强的预处理技术、有效的数据增强策略、混合架构和多任务学习框架已成为改善特征表示、模型泛化能力和计算机辅助诊断系统在临床应用中的可靠性的有前景的方法。
4. 讨论与结论
本研究对使用CT成像进行肺部疾病分类的机器学习和深度学习方法进行了全面综述，特别关注与间质性肺病相关的蜂窝征和磨玻璃影（GGO）模式。综述检查了2011年至2026年间发表的研究，重点关注成像模态、数据集特性、预处理技术、深度学习架构和性能评估指标。研究结果表明，CT成像因其高空间分辨率和捕捉纤维化、蜂窝征和磨玻璃影等精细结构模式的能力，仍然是检测肺部异常的有效模态。比较分析进一步表明，深度学习方法，特别是卷积神经网络（CNNs）和残差网络（ResNet）架构，在所审查的研究中普遍展现出优于传统机器学习方法的竞争力或更强的分类性能。迁移学习方法也通过利用预训练知识并将其适应于医学成像任务而展现出强劲性能。然而，所审查的文献在数据集大小、类别平衡、标注一致性、预处理策略和评估实践方面仍存在局限性。
本综述识别出的一个主要研究空白是对蜂窝征肺部分类的关注有限。现有研究主要集中在更广泛研究的肺部病症上，而相对较少的研究调查了区分蜂窝征与GGO的具体挑战。另一个重要空白涉及模型性能的评估。许多审查的研究严重依赖准确率作为主要的性能度量。与数据集相关的局限性也是一个重要问题。许多研究依赖于相对较小的公共数据集。该综述还发现，针对肺部CT分类的特定领域预处理技术的调查不足。基于审查的证据，主要研究空白可归纳为四个方面：（i）对蜂窝征和GGO分类的关注有限；（ii）持续依赖准确率作为主要性能指标；（iii）与数据集大小、类别平衡、多样性和标注质量相关的局限性；以及（iv）针对肺部CT成像的预处理技术优化不足。总体而言，审查证据表明深度学习在基于CT成像的自动化肺部疾病分类方面具有相当大的潜力，但仍存在重要的方法论和临床挑战。
5. 未来研究方向
本综述的发现强调了需要进一步研究的几个领域，以解决当前基于深度学习的肺部CT疾病分类的局限性。未来研究应不仅关注提高分类性能，还应关注提升数据集质量、方法论一致性、模型可解释性、计算效率和临床适用性。特别需要更多关注改进蜂窝征和磨玻璃影（GGO）模式的区分。基于所审查研究中识别出的研究空白，讨论了以下几个潜在方向：
5.1. 大规模多机构CT数据集
未来研究应优先开发包含多样化患者群体和良好标注肺部疾病模式的大规模、多机构CT数据集。
5.2. 标准化预处理和评估框架
需要对预处理程序进行更大的标准化，包括图像归一化、分割、缩放、增强和感兴趣区域选择，以便于研究之间的有意义比较。未来研究还应采用包含多个互补指标的标准化评估框架。
5.3. 改进蜂窝征与GGO的区分
区分蜂窝征和GGO仍然是一个重要的研究挑战，因为这些模式在CT图像中可能表现出重叠的视觉特征。未来模型应研究特定领域的预处理、高级增强和更有效的特征学习策略，以捕捉这些模式之间的细微结构差异。
5.4. 可解释人工智能
可解释人工智能（Explainable Artificial Intelligence, XAI）代表了提高深度学习模型透明度和临床接受度的一个重要方向。未来研究应研究能够识别和可视化CT图像中对模型预测有贡献的区域的可解释技术。
5.5. 视觉-语言模型与多模态学习
视觉-语言模型（Vision-Language Models, VLMs）代表了一个新兴的研究方向，因为它们提供了整合来自医学图像的视觉信息与文本临床信息的潜力。这些发展表明，可以通过整合CT图像特征与放射学描述和相关临床信息，探索VLMs和多模态学习用于未来的蜂窝征和GGO分类。
5.6. 知识蒸馏与轻量级模型
知识蒸馏和师生学习框架代表了在保持诊断性能的同时开发轻量级深度学习模型的有前景的方向。这些发现表明，可以研究知识蒸馏用于肺部CT分类，以降低模型复杂度并促进在实时和资源受限的临床环境中的部署。
5.7. 联邦学习与隐私保护协作
联邦学习为解决与机构特定数据集相关的局限性提供了另一个潜在方向。这些发现表明，可以探索联邦学习用于多机构肺部CT分类，特别是对于蜂窝征和GGO，因为获取更大、更多样化的数据集对于提高模型泛化能力很重要。未来研究应研究能够处理跨医疗机构的成像协议、患者群体、标注和数据分布差异的联邦方法，同时维护患者隐私、伦理要求和法规遵从性。
