这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

基于深度学习Grad-CAM与影像组学的DBT图像结构扭曲自动定位与诊断研究

作者与机构
本研究由Xiao Chen（温州医科大学附属第一医院放射科）、Yang Zhang（加州大学欧文分校放射科学系）等共同完成，通讯作者为Min-Ying Su（加州大学欧文分校）。合作机构包括温州医科大学、浙江诸暨市人民医院及高雄医科大学。研究成果发表于《Academic Radiology》2025年3月刊（卷32，期3，页码1287-1296）。

学术背景
乳腺癌是全球女性最常见的恶性肿瘤，早期诊断对提高治愈率至关重要。数字乳腺断层合成（Digital Breast Tomosynthesis, DBT）技术虽能改善传统乳腺X线摄影（Mammography）中组织重叠导致的漏诊问题，但结构扭曲（Architectural Distortion, AD）的检测与诊断仍是临床挑战。AD在乳腺影像报告和数据系统（BI-RADS）中被定义为“无明确肿块可见的乳腺正常结构扭曲”，其恶性率高达57%，但传统计算机辅助诊断（CAD）系统对AD的识别准确率不足50%。本研究旨在开发一种结合深度学习（DL）与影像组学（Radiomics）的全自动诊断工具，通过DL定位AD区域并利用影像组学模型预测恶性概率，以解决AD诊断的主观性和低效问题。

研究流程与方法
1. 数据收集与分组
- 回顾性纳入500例经DBT检查并病理证实的AD病例（恶性285例，良性215例），按时间分为训练集（292例，2016-2019年）和测试集（208例，2020-2022年）。
- 病例进一步分为纯AD（267例）和伴随其他特征（如肿块、钙化等）的AD（233例），以分析不同AD类型的诊断差异。

1. 深度学习定位与ROI生成

   • 采用ResNet50算法构建DL模型，输入DBT的CC（头尾位）和MLO（内外斜位）视图图像，通过梯度加权类激活映射（Grad-CAM）生成热图，阈值化后自动提取感兴趣区域（ROI）。
     
   • 对比人工勾画ROI（由5年与10年经验的放射科医师共同确认）与DL生成ROI的差异。

2. 影像组学特征提取与模型构建

   • 使用PyRadiomics v3.0.1从ROI中提取107个特征（包括灰度共生矩阵GLCM、灰度游程长度GLRLM等），经支持向量机（SVM）进行特征选择，最终保留8个关键特征（如MLO视图的GLCM簇突出性、CC视图的NGTDM粗糙度）。
     
   • 构建SVM分类模型，通过10折交叉验证评估性能，输出恶性概率（Radiomics Score）。

3. 统计分析

   • 比较不同AD类型的恶性率（卡方检验）及诊断效能（受试者工作特征曲线AUC，DeLong检验）。
     
   • 评估DL-ROI与人工ROI的诊断一致性，并分析纯AD与伴随特征AD的AUC差异。

主要结果
1. 恶性率与AD类型
- 纯AD的恶性率显著低于伴随其他特征的AD（39.7% vs. 76.8%，p<0.01），提示伴随特征可能增加恶性风险。
- BI-RADS评分在恶性组中集中于4B-5类（80.4%），而良性组中≥4B的比例为37.7%（p<0.001）。

1. 诊断效能

   • 测试集中，DL-ROI的AUC（0.84）与人工ROI（0.82）无显著差异（p>0.05），验证了自动定位的可靠性。
     
   • 纯AD组的AUC（0.77）显著低于伴随特征AD组（0.86，p<0.05），表明伴随特征更易被模型识别。

2. 关键影像组学特征

   • MLO视图的GLCM簇突出性（Cluster Prominence）和CC视图的NGTDM粗糙度（Coarseness）对恶性预测贡献最大，可能与AD的微观结构异质性相关。

结论与价值
1. 科学意义
- 首次证实DL-Grad-CAM可准确定位DBT中的AD区域，且联合影像组学的诊断效能与人工ROI相当，为全自动AD诊断提供了可行方案。
- 揭示了纯AD与伴随特征AD的恶性率及诊断差异，为临床分层管理提供了依据。

1. 应用价值
   
   • 该技术可整合至现有CAD系统，辅助放射科医师减少AD漏诊（尤其纯AD病例），并优化活检决策流程。
     
   • 开源算法（PyRadiomics）和可复现的流程设计便于其他机构验证与推广。

研究亮点
1. 方法创新
- 首创“DL定位+影像组学分类”双阶段策略，克服了传统CAD对AD检测的局限性。
- 开发了基于Grad-CAM的ROI自动生成方法，减少人工依赖。

1. 临床洞察

   • 明确纯AD的恶性率较低但诊断难度更高，提示需针对性优化模型（如增加纹理特征权重）。
     
   • 发现MLO视图的特征重要性，建议临床优先分析该视角。

2. 数据规模

   • 500例DBT病例为迄今AD研究中最大样本之一，增强了结论的普适性。

其他价值
- 研究团队公开了部分代码与数据处理流程，有助于推动AI在乳腺影像中的标准化应用。
- 文中对比了多种商业CAD系统的局限性，为后续研究指明了技术突破方向。