基于视觉 Transformer 与 Grad-CAM 可解释 AI 的胸部 X 光片肺结核检测新突破

《BMC Medical Imaging》：Enhanced tuberculosis detection using Vision Transformers and explainable AI with a Grad-CAM approach on chest X-rays

为解决肺结核精准诊断难题，研究人员开展基于视觉 Transformer（ViT）和 Grad-CAM 的研究，结果显示诊断准确率高，有助于临床应用。

　　肺结核，这个由结核分枝杆菌（Mycobacterium tuberculosis）引发的疾病，如同隐匿在暗处的 “健康杀手”。近年来，它已成为全球公共卫生领域的重大挑战，仅次于新冠疫情带来的影响。据世界卫生组织（WHO）数据，2019 年全球约有 140 万人因肺结核失去生命。肺结核虽可防可治，但由于受社会经济因素、医疗资源分配不均以及与艾滋病（HIV）共感染等问题影响，其检测和诊断困难重重。在医学影像诊断中，从胸部 X 光片准确判断肺结核是关键环节。然而，肺结核早期在 X 光片上的表现十分隐匿，传统的依靠放射科医生手动识别结节、浸润等特征的方法，不仅依赖医生经验，而且效率较低。随着技术发展，基于机器学习和深度学习的计算机化系统逐渐兴起。早期的边缘检测、支持向量机和决策树等算法，需要人工设计特征，性能波动较大。卷积神经网络（Convolutional Neural Networks，CNNs）的出现虽有进步，但仍需大量标注数据，且在不同临床环境中的泛化能力欠佳。

为了攻克这些难题，来自印度和埃塞俄比亚等多个机构的研究人员展开了深入研究。他们将研究成果发表在《BMC Medical Imaging》上。这项研究旨在利用视觉 Transformer（Vision Transformer，ViT）结合梯度加权类激活映射（Gradient-weighted Class Activation Mapping，Grad-CAM）技术，构建一个精准且具有可解释性的肺结核检测模型，提升从胸部 X 光片诊断肺结核的准确性，同时增强模型决策的可解释性，为临床诊断提供有力支持。

在研究过程中，研究人员运用了多种关键技术方法。首先，在数据处理方面，他们从公开数据库获取 “肺结核（TB）胸部 X 光片数据库”，将数据分为训练集（70%）、验证集（15%）和测试集（15%）。对图像进行灰度转换、对比度受限自适应直方图均衡化（CLAHE）、高斯模糊等预处理操作，并采用旋转、翻转、平移等数据增强技术。在模型构建上，使用定制的 ViT 模型，其包含 Conv2D 卷积层作为初始特征提取模块，接着是多个 Transformer 编码器块，还引入了位置编码网格（PEG）和 Grad-CAM 技术。模型训练采用随机梯度下降（SGD）带动量的优化方法，结合余弦退火学习率调整策略，使用二元交叉熵（BCE）损失函数，并通过 L2 正则化和 Dropout 防止过拟合。

研究结果如下：

1. 模型训练效果：训练损失随训练轮次不断下降，表明模型有效学习并收敛。但验证损失在初期下降后略有上升，提示可能出现过拟合，不过通过正则化等技术可进行控制。
2. 模型性能评估：验证集和测试集上，模型展现出高准确率（验证集约 99.29%，测试集 96.97%）、高召回率（验证集 98.59%，测试集 96.97%） ，且在精度、F1 分数、F2 分数、AUC-ROC（曲线下面积，验证集 0.99，测试集 0.98）、AUC-PR（精度 - 召回曲线下面积，验证集 0.98，测试集 0.97）等指标上表现出色，表明模型在识别肺结核阳性病例和正确分类图像方面效果显著。同时，马修斯相关系数（Matthews Correlation Coefficient，MCC）和科恩卡帕系数（Cohen’s Kappa Score）都接近 0.97，说明模型预测与实际标签高度相关。
3. 模型对比分析：与其他模型相比，该研究提出的 ViT 结合 Grad-CAM 的模型在准确率上更具优势，如对比一些基于 CNNs 的模型，其准确率更高。并且 Grad-CAM 生成的热图能突出 X 光片中与肺结核相关的关键区域，增强了模型的可解释性，有助于医生理解模型决策过程。
4. 消融实验结果：通过消融实验发现，去掉 Conv2D 卷积层会使准确率下降 4%，去掉位置编码网格会使召回率下降 3%，去掉多头自注意力机制会使 F1 分数下降 5%，证明这些组件对模型性能提升至关重要。

研究结论和讨论部分指出，ViT 模型结合 Grad-CAM 在肺结核检测上比 CNNs 具有更高的诊断准确率。ViT 的自我注意力机制能挖掘传统模型难以发现的隐藏模式和关联，Grad-CAM 生成的热图可标识出与肺结核指标相关的显著区域，增强了临床医生对 AI 诊断的信心。这种透明度对于临床应用至关重要，有助于医疗专业人员更好地理解和信任 AI 辅助诊断结果，从而在患者治疗中更合理、高效地运用这些诊断结果。此外，该模型在多种数据集上表现出色，在资源匮乏地区也具有重要应用价值，为医学影像精准诊断开辟了新方向。未来研究可进一步探索与其他先进深度学习架构的比较，运用更先进的数据增强技术，拓展模型在其他医学影像设备（如 MRI、CT 扫描）中的应用，有望为更多疾病的诊断提供更强大的支持，推动 AI 在医疗领域的广泛应用和发展。