乳腺癌超声图像分割的多尺度网格平均池化通道注意力模块研究

作者及发表信息
本研究由韩国大邱庆北科学技术院（DGIST）信息与通信工程系的Haeyun Lee（学生会员，IEEE）和Jae Youn Hwang（会员，IEEE），以及成均馆大学生物医学工程系的Jinhyoung Park（会员，IEEE）共同完成。论文发表于《IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control》期刊，并于2020年正式收录（DOI: 10.1109/TUFFC.2020.2972573）。

学术背景
乳腺癌是全球女性第二大死亡原因，超过8%的女性一生中可能罹患该疾病。早期精准诊断是降低死亡率的关键。超声成像因其无辐射、安全性高，成为乳腺肿瘤筛查的重要工具，但其图像存在斑点噪声和低对比度问题，依赖放射科医师的经验。传统计算机辅助诊断（CAD）系统基于全卷积网络（FCN）、SegNet和U-Net等深度学习模型，但在超声图像分割中性能有限，主要因卷积操作仅利用局部信息而忽略全局空间信息。为此，本研究提出一种结合多尺度网格平均池化（Multi-Scale Grid Average Pooling, MSGRAP）的通道注意力模块，旨在通过同时捕获局部和全局信息，提升乳腺癌超声图像分割的精度。

研究流程与方法
1. 问题定义与模块设计
- 核心问题：现有通道注意力模块（如Hu等人提出的SE模块）仅通过全局平均池化（Global Average Pooling, GAP）提取全局信息，但语义分割需兼顾局部细节。
- 创新模块：
- 网格平均池化（GRAP）：将特征图划分为k×k网格（如10×10），对每个网格计算均值，保留局部统计信息（公式4）。
- 多尺度MSGRAP：随着网络层深增加，网格尺寸逐层减半（如10×10→8×8→6×6），适配不同层级的特征图分辨率。
- 网络架构：基于VGGNet改进，编码器-解码器结构，包含：
- 编码器：每组卷积层后插入MSGRAP模块，通过1×1卷积和ReLU/Sigmoid激活生成通道权重（公式5-6）。
- 解码器：使用转置卷积（4×4，步长2）上采样，仅连接高层特征（避免低层噪声干扰）。

1. 实验设计

   • 数据集：公开乳腺超声图像数据集（163例，含53例恶性、110例良性），图像尺寸454×537像素，5%像素为肿瘤区域（数据不平衡）。
     
   • 训练策略：
     
     • 10折交叉验证，批大小8，初始学习率10⁻³（每30轮减半），训练120轮。
       
     • 损失函数：交叉熵损失（公式10），优化器为Adam（β₁=0.9，β₂=0.999）。
       
   • 对比模型：FCN、U-Net、SegNet、PSPNet-18、EncNet-18。
     

2. 性能评估指标

   • 全局准确率、F1分数、敏感性、特异性、假阳性率（FPR）、交并比（IoU）、PR曲线下面积（AUC-PR）和ROC曲线下面积（AUC-ROC）。
     

主要结果
1. 定量分析
- Ours-MSGRAP在F1分数（0.7658）、全局准确率（97.794%）、IoU（0.6226）和AUC-PR（0.8149）上均优于对比模型（表III）。例如，F1分数较PSPNet-18提升1.8%，假阳性率降低至0.0134。
- 消融实验验证模块有效性：
- Ours-GAP（SE模块）：仅用全局信息，F1为0.7205。
- Ours-GRAP（单尺度网格）：引入局部信息后F1提升至0.7445。
- Ours-MSGRAP：多尺度策略进一步将F1提高至0.7658，显示局部与全局信息融合的优势。

1. 定性分析
   
   • 如图7所示，Ours-MSGRAP在复杂背景中减少误分割（如将正常组织判为肿瘤），尤其在斑点噪声区域表现稳健。失败案例占比14.1%，多因肿瘤边界模糊或与周围组织对比度极低。
     

结论与价值
1. 科学意义
- 提出首个针对超声图像特性的多尺度通道注意力机制，解决传统方法全局与局部信息失衡的问题。
- 通过网格池化与多尺度策略，显著提升模型对微小肿瘤和异质性区域的敏感性。

1. 应用价值

   • 为CAD系统提供高精度分割工具，辅助放射科医师减少主观误判，尤其适用于资源匮乏地区。
     
   • 模块可扩展至其他医学图像分割任务（如肝脏、甲状腺超声）。
     

2. 局限性

   • 对极低对比度肿瘤（如浸润性小叶癌）的分割仍需改进，未来可结合多模态影像（如乳腺MRI）优化。
     

研究亮点
1. 方法创新：MSGRAP模块首次将多尺度局部统计信息引入通道注意力，超越SE模块的全局池化局限。
2. 工程优化：采用组归一化（Group Normalization）替代批归一化（Batch Normalization），解决小批量训练时的性能下降问题（表I）。
3. 临床适配：网络设计避免低层特征直接连接，有效抑制超声图像噪声干扰（表II）。

其他贡献
- 开源代码与训练协议（基于PyTorch），推动可重复研究。
- 提出PR曲线优先于ROC曲线的评估标准，更适配医学图像数据不平衡场景（图6）。

（注：全文术语首次出现均标注英文，如“全局平均池化（Global Average Pooling, GAP）”）