《Frontiers in Physiology》:Uncertainty-Driven Global-Local Mamba with UNet for gastric cancer histopathological image classification
编辑推荐:
本文介绍一项针对胃癌病理图像分类的创新研究,研究者提出一种结合不确定度驱动(UD)机制的全局-局部Mamba模型(GMamba)与UNet架构的混合网络(UD-GMamba-UNet),旨在解决现有CNN模型感受野有限、Transformer计算复杂度高及传统Vision Mamba缺乏全局-局部自适应协调等问题。该模型在GasHisSDB数据集上取得了98.76%的准确率、98.42%的F1分数,为计算机辅助诊断(CAD)提供了高效可靠的新工具,具有临床部署潜力。
胃,这个负责消化食物的器官,其健康状况却牵动着全球数百万人的心。胃癌是全球最常见的恶性肿瘤之一,每年约报告110万新发病例和76.9万例死亡。更令人担忧的是,这些病例中有四分之三本可以通过根除幽门螺杆菌等方式预防。目前,基于苏木精-伊红(H&E)染色的组织切片进行组织病理学检查,是诊断胃癌的“金标准”,它允许病理学家观察细胞形态、腺体结构和组织浸润特征。然而,这项“金标准”在实际临床中却面临巨大挑战:人工判读具有主观性,导致不同病理学家间诊断结果不一致,尤其对于病理变化微小的早期胃癌;海量的病理切片给病理学家带来沉重工作负荷,疲劳增加了漏诊或误诊的风险;欠发达地区缺乏资深病理专家,进一步限制了人们获得高质量诊断服务的机会。
为了应对这些难题,基于深度学习的计算机辅助诊断(CAD)系统成为了前景广阔的解决方案。近年来,从擅长提取局部纹理特征的卷积神经网络(CNN),到能够建模全局上下文信息的Transformer,再到计算复杂度仅为线性增长的Vision Mamba(VM),深度学习模型在医学图像分类任务中取得了显著进展。但它们各有局限:CNN的感受野有限,难以捕获长程依赖关系;Transformer的自注意力机制计算复杂度随输入序列长度呈二次方增长,导致高内存消耗和推理速度慢,与临床大规模病理图像数据不兼容;传统的Vision Mamba模型虽然在线性复杂度下实现了全局依赖建模,但缺乏全局上下文与局部纹理提取的自适应协调,也未考虑特征表示的不确定性,导致对胃癌病理图像异质性的鲁棒性不足。胃癌病理图像同时具有局部判别性特征和全局结构特征,因此,迫切需要一种能够平衡全局-局部特征融合、计算效率以及不确定度感知特征学习的新模型。
为此,一篇发表在《Frontiers in Physiology》上的研究提出了一种名为“不确定度驱动的全局-局部Mamba与UNet”(UD-GMamba-UNet)的新型混合架构,专门用于胃癌组织病理学图像分类。研究人员利用GasHisSDB这一大型公开数据集,该数据集包含超过24万张H&E染色图像,分为正常组织和异常组织(涵盖腺癌、印戒细胞癌等多种亚型),并采用患者独立的划分原则(训练集70%、验证集15%、测试集15%)来避免数据泄露,确保模型能泛化到未见过的临床数据。
本研究采用了一系列关键技术方法。首先,在数据预处理阶段,应用了Macenko方法进行H&E染色标准化,以消除不同染色协议和扫描仪参数带来的颜色分布差异,并采用了随机裁剪、翻转、旋转及添加高斯噪声等数据增强策略。模型架构上,核心是提出的UD-GMamba-UNet,它集成了编码器-解码器结构、不确定度驱动(UD)扫描机制、全局-局部Mamba(GMamba)模块以及UNet启发的跳跃连接。GMamba模块巧妙地将用于局部纹理增强的深度可分离卷积(DSC)与用于长程依赖建模的双向选择性状态空间模型(SSM)相结合,并通过基于注意力的融合层自适应组合两类特征。UD模块则基于编码器特征的熵来估计不确定性,并动态调整解码器中GMamba模块的全局与局部特征提取权重,使模型能聚焦于可疑病变区域。模型训练采用结合了交叉熵损失(CEL)和不确定度感知损失(UAL)的联合损失函数进行优化。
研究结果
1. 在GasHisSDB数据集上的性能对比
研究将提出的UD-GMamba-UNet与多种代表性的CNN、Transformer及Mamba基线模型进行了对比。定量结果显示,UD-GMamba-UNet在所有评估指标上均达到了最优性能:准确率(Accuracy)为98.76%,精确率(Precision)为98.53%,召回率(Recall)为98.31%,F1分数为98.42%,AUC-ROC为99.68%。与性能次优的Mamba基线模型相比,准确率高出1.23%,F1分数高出1.01%。在计算效率方面,该模型拥有2870万参数和142G FLOPs,推理时间为每张图像12.3毫秒,其参数量仅为ViT-B/16的62.3%,FLOPs比Swin-T低18.6%,在保持高性能的同时具备了临床部署所需的效率。
2. 消融研究验证核心组件有效性
为了验证模型中每个核心组件的贡献,研究设计了五种消融变体。结果显示,移除不确定度驱动(UD)机制会导致F1分数下降2.14%;用标准Vision Mamba替换GMamba模块会导致F1分数下降1.87%;移除跳跃连接会导致F1分数下降1.52%。这充分证明了UD机制、GMamba模块的全局-局部融合能力以及跳跃连接对于细节保留都是至关重要的,它们的协同作用是模型取得卓越性能的关键。
3. 超参数敏感性分析
研究还系统评估了批大小(Batch Size)和预热周期数对模型训练稳定性和最终性能的影响。实验发现,批大小为32时能在训练稳定性、收敛速度和最终性能之间达到最佳平衡,此时模型在50个周期内收敛,并获得最高的F1分数(98.42%)。批大小过小(如16)会导致训练损失波动剧烈且收敛慢;批大小过大(如64或128)则会导致梯度过度平滑,F1分数下降,并对细微的胃癌病变的漏检率增加。
4. 不确定度估计的有效性
研究通过不确定度感知损失(UAL)来约束不确定性估计的合理性。实验比较了皮尔逊相关系数、斯皮尔曼相关系数和均方误差(MSE)三种不同的UAL度量,发现使用皮尔逊相关系数时,模型在取得最高F1分数(98.42%)的同时,不确定性图(U)与分类误差图(E)之间也达到了最强的正相关性(ρ = 0.76)。这表明模型估计出的不确定性能够有效反映分类的置信度,高不确定区域确实对应更高的分类错误风险,为临床决策提供了有价值的参考。
研究结论与意义
本研究成功开发并验证了UD-GMamba-UNet模型,用于胃癌组织病理学图像的自动分类。该模型通过三大创新设计有效解决了现有方法的瓶颈:其一,不确定度驱动(UD)扫描机制能够根据中间特征的置信度动态调整全局与局部特征提取的注意力权重,有效突出可疑病变区域并抑制无关背景噪声;其二,全局-局部Mamba(GMamba)模块将深度可分离卷积的局部纹理增强能力与双向选择性状态空间模型(SSM)的长程依赖建模能力相结合,实现了高效的全局-局部特征融合与线性计算复杂度;其三,UNet启发的跳跃连接与UD机制协同工作,确保了多尺度细粒度特征的有效融合与保存。
实验结果表明,该模型在大型公开数据集GasHisSDB上超越了所有主流基线模型,实现了接近99%的AUC-ROC和超过98.5%的准确率与精确率,同时保持了优异的计算效率。其快速的推理速度使其能够满足临床工作流中每小时分析数百张病理图像的实际需求。
这项研究的重要意义在于,它不仅仅是一个性能更高的分类模型,更是一个为临床环境量身定制的、具有“思考”能力的辅助工具。UD机制的引入使模型具备了“自知之明”,能够量化其预测的置信度,并以此动态调整“观察”策略(侧重局部细节还是全局结构)。这对于处理异质性强、早期病变细微的胃癌病理图像至关重要,能够帮助病理学家重点关注那些模型“不确定”或“存疑”的区域,减少漏诊,并有望缓解不同病理学家间的主观差异。该研究为计算机辅助诊断(CAD)系统在胃癌病理分析工作流中的可靠、高效部署提供了新的技术路径,展示了不确定性感知学习与先进序列模型(Mamba)在精准医疗领域的巨大应用潜力。