將醫(yī)學影像交給人工智能 (AI) 來分析，可以比人類專家更快、更準確地檢測和測量出異常情況，推動基于影像的醫(yī)療診斷更進一步發(fā)展。要借此來改善患者的治療效果并確立針對性的治療方法，就必須建立起在不同人群中具有普遍性的高質(zhì)量AI模型。然而，要建立這樣的AI模型，就離不開大量數(shù)據(jù)的支持，并且這些數(shù)據(jù)還需要經(jīng)過精心標注，才能供機器來學習。

現(xiàn)在，我們可以通過深度學習 (DL) 的一個分支——弱監(jiān)督學習來完成AI的訓練。這項機器學習技術(shù)可以降低對數(shù)據(jù)標注的完整性和準確性要求，幫助醫(yī)生更輕松地獲得更加深入的信息。用于弱監(jiān)督學習的數(shù)據(jù)只需進行更容易實現(xiàn)的粗略標注 (例如只需標注整個影像，而不必標注影像中細分的關(guān)鍵區(qū)域) ，并且學習過程中可以充分利用預訓練模型和常見的可解釋性方法。本文中，我們將研究數(shù)據(jù)管理在弱監(jiān)督學習中發(fā)揮的重要作用。

醫(yī)學影像的標注并非易事

醫(yī)療行業(yè)中的影像標注存在著許多困難。首先，醫(yī)學影像本身以及相關(guān)的檢查結(jié)果數(shù)據(jù)往往存儲在不同的系統(tǒng)中，導致數(shù)據(jù)標注工作困難重重，也就難以獲得經(jīng)過標注的數(shù)據(jù)。例如，來自計算機斷層掃描 (CT) 或磁共振成像 (MRI) 的影像數(shù)據(jù)可能存儲在醫(yī)院系統(tǒng)中，但相關(guān)的活檢或腫瘤切除檢查結(jié)果往往會存儲在病理實驗室中，而這些實驗室可能位于醫(yī)院之外的私人診所或檢測機構(gòu)。這時，如果要核對某些數(shù)據(jù)和標注的話，雖然做法上可行，但獲取并匯總數(shù)據(jù)的工作可能會花費大量時間，尤其是在涉及不止一家私人診所或檢測機構(gòu)的情況下。

而且，要在影像中尋找并標記出疾病發(fā)生和進展的跡象 (生物標志物) ，本身就是一件極其耗時并且復雜的事情，因為這些數(shù)據(jù)必須逐個像素地進行標注，最終的標記數(shù)量可達上千個。如果需要通過算法來分割影像或者定位到特定區(qū)域 (如病變或手術(shù)邊界) 的話，這一問題尤為嚴重。這樣的過程往往需要耗費大量成本，因為醫(yī)學影像標注通常要借助專業(yè)知識才能進行，而且MRI和CT影像還需要做三維標注。這兩項缺點加在一起，使醫(yī)學影像的標注成為了一項成本不菲的工作，而且還難以通過外包來完成。

由于標注過程需要用到專業(yè)知識，標注的質(zhì)量也會因標注人員對這些知識掌握程度的不同而發(fā)生變化，進而影響到深度學習模型的最終表現(xiàn)。對于數(shù)據(jù)標注而言，標注的準確性是一大問題。通常情況下，經(jīng)驗不足的放射科醫(yī)生或住院醫(yī)師會接受數(shù)據(jù)標注培訓，但他們的標注準確度顯然比不上有著數(shù)十年工作經(jīng)驗的臨床醫(yī)生。此外，閱片人員所表現(xiàn)出的差異也會影響到標注的結(jié)果：一方面，不同的閱片人員對同一幅影像的解讀會有細微差異；另一方面，同一個閱片人員如果在不同時間標注同一幅影像，最終結(jié)果也會有細微的區(qū)別

最后，人工標注這件事本身也會限制最終結(jié)果。機器學習的一大優(yōu)勢在于模型可以發(fā)現(xiàn)人類無法察覺的規(guī)律，然而人工標注終究依賴于人工輸入，模型最終輸出的結(jié)果很容易因此而受到限制。例如，AI如果只能復制人類對某些任務的想法，那么它就很可能無意中把某個人的偏見也復制過來。此外，輸入數(shù)據(jù)中某些看似無關(guān)區(qū)域的特征也可能具有預測性，但由于它們不在人為選定的關(guān)注區(qū)域內(nèi)，因而會直接被拋棄。例如，疾病的顯著指征完全可能出現(xiàn)在關(guān)注區(qū)域周邊的其他組織中，甚至可能會出現(xiàn)在附近的其他器官中。

運用弱監(jiān)督學習來進行訓練

在上述場景中，我們更希望AI可以接受更加籠統(tǒng)的標注（例如一幅影像中是否包含癌癥組織或其他疾病指征），然后再由模型來找出其中最能說明問題的特征。這正是弱監(jiān)督學習的用武之地。

弱監(jiān)督學習是深度學習的一個分支，旨在通過更少、更粗略的標注來生成性能良好的深度學習模型。這些標注大致可以分為三大類：不完整、不精確和不準確的標注。這里使用“大致”一詞是因為單個數(shù)據(jù)集中可以結(jié)合使用多種標注方法，并且弱監(jiān)督標注的目的就是根據(jù)需要來解決各種組合問題。

不完整的標注通常表現(xiàn)為數(shù)據(jù)集的一部分被標注，而其余部分未被標注。

不精確的標注則是直接標注出影像的整體結(jié)果，不對特定關(guān)注區(qū)域進行分割。

不準確的標注源于標注人員缺乏專業(yè)知識，以及某些疾病指征之間的模糊性或不確定性。

有趣的是，如果通過更粗略、更容易實現(xiàn)的標注就可以產(chǎn)生不錯的結(jié)果，那么不精確的標注可能比不完整或不準確的標注更有用。不精確的標注不容易出錯，因為它不需要達到像其他標注那樣的詳細程度，而且它也更容易獲得：例如只需從掃描報告中提取出有關(guān)癌癥分期的信息，就可以表明該掃描影像包含癌癥組織，而不必再通過人工的方式把癌變區(qū)域從三維影像中“摳”出來。這些標注自身雖然“不精確”，但卻可以讓數(shù)據(jù)集獲得更多可用的標注，進而提升準確度。尤為重要的是，通過這種標注方式，我們就不必再為了標出一切相關(guān)的細枝末節(jié)而花大價錢雇傭或培養(yǎng)高度專業(yè)的人員。這種方式最終可以提高標注的準確性，畢竟給出一個二選一的答案遠比詳細描繪出所有特征來得容易。

要在常見的醫(yī)學影像應用 (例如檢測和定位關(guān)鍵區(qū)域) 中利用這種不精確的標注，比較常見的做法是利用以下兩步流程：

打造主干模型，例如訓練一個深度學習模型來預測由不精確的標注所描述的類別。

在對特定掃描影像進行預測的模型中，使用像素屬性方法 (也稱為顯著性或可解釋性方法) 將模型決策的最相關(guān)區(qū)域突顯出來。

使用卷積神經(jīng)網(wǎng)絡作為主干

醫(yī)療領(lǐng)域經(jīng)常需要用到影像數(shù)據(jù)，因而將卷積神經(jīng)網(wǎng)絡 (CNN) 用作弱監(jiān)督學習主要的基礎深度學習框架就是自然而然的選擇。CNN的工作原理是通過學習來減少醫(yī)學掃描影像中需要處理的像素量 (通常是將三維圖像降維表示) ，然后將這些像素對應到類別標注。

在弱監(jiān)督學習中，我們還可以結(jié)合使用多種方法。您可以使用自己的數(shù)據(jù)集訓練新的網(wǎng)絡 (如果該數(shù)據(jù)集足以提供其他類似數(shù)據(jù)源的優(yōu)勢) ，也可以使用預先訓練好的網(wǎng)絡來對新任務進行遷移學習。例如，ResNet50和VGG16就是利用源自日常生活的數(shù)百萬張圖片來訓練的兩種CNN架構(gòu)。雖然它們并沒有使用醫(yī)學影像進行過訓練，但它們?nèi)匀环浅Ｓ杏茫驗樵谀Ｐ驮缙陔A段的層中學習到的卷積過濾器往往涉及的是通用的特征，如線條、形狀和紋理等，這對醫(yī)學影像依然是有用的。

要使用這些模型之一來進行遷移學習，只需去掉后期階段的類別預測層，然后用代表新的醫(yī)學影像任務所需類別的層來重新初始化即可。雖然模型的最終目標是讓輸出結(jié)果能夠突顯出影像中的相關(guān)物體和值得關(guān)注的區(qū)域，但首先進行的第一步只需預測影像中是否存在這些值得關(guān)注的區(qū)域即可。

弱監(jiān)督定位的AI可解釋性

當深度學習主干完成訓練，可以準確預測是否存在值得關(guān)注的類別后，下一步便是使用某種AI可解釋性方法來分割關(guān)注區(qū)域。這些可解釋性方法 (也稱為像素屬性方法) 旨在深入了解深度學習模型在做出某種預測時在圖像中看到的內(nèi)容，其輸出是某種形式的圖像 (通常稱為顯著圖) ，可以根據(jù)最終目標以多種不同的方法計算得出。

在這些方法中，基于梯度的顯著圖是最常用的方法之一，其核心包括輸出預測以及對所有構(gòu)成該輸出的神經(jīng)元進行檢測。根據(jù)方法的不同，這種檢測可以一直追溯到第一個輸入層——標準梯度 (Vanilla Gradient) ，也可以停留在某個較后期的層，如神經(jīng)網(wǎng)絡架構(gòu)中的最后一個卷積層——GradCAM 。其他的方法可以實現(xiàn)不同的目的，例如產(chǎn)生更平滑的關(guān)注區(qū)域、改善更簡單的方法存在的局限性，或在所需特征周圍進行更緊密的分割。

結(jié)語

就在不久前，識別醫(yī)學影像中的生物標志物依然還需要大量以復雜方式進行標注的影像數(shù)據(jù)。然而，弱監(jiān)督學習等技術(shù)降低了對數(shù)據(jù)標注完整性、精確性和準確性的要求，從而能夠輕松揭示出以往需要耗費大量時間、借助高度專業(yè)的知識才能發(fā)現(xiàn)的問題。弱監(jiān)督學習只需采用更容易實現(xiàn)的粗略標注 (例如只標注整個影像，而不是標注影像中細分的關(guān)鍵區(qū)域) 就可以運作。它可以重新利用預先訓練好的CNN模型，然后使用常見的可解釋性方法，根據(jù)預測的類別將值得關(guān)注的區(qū)域突顯出來。在這些特性的支持下，便可以將使用醫(yī)學影像數(shù)據(jù)訓練的模型用于各種應用，無需進行大量像素級標注。這不僅節(jié)省了時間和成本，更有可能發(fā)現(xiàn)臨床醫(yī)生以前未曾了解的預測特征，從而提高診斷的準確性、改善患者的治療效果。

審核編輯：郭婷