Eine erklärbare, KI-basierte Transfer-Learning-Methode zur Brustkrebsvorhersage

Zusammenfassung

Ein erklärbares Transfer-Learning-Protokoll unter Verwendung von EfficientNet-B0 und Grad-CAM wurde entwickelt, um Brustultraschallbilder in gutartige, bösartige und normale Kategorien zu klassifizieren und liefert interpretierbare diagnostische Heatmaps, die für klinische Entscheidungsunterstützung geeignet sind.

Zusammenfassung

Die Erkennung von Brustkrebs anhand von Ultraschallbildern erfordert hohe Genauigkeit und Transparenz, um Klinikern bei der Entscheidungsfindung geeigneter Entscheidungen zu helfen. Diese Arbeit demonstriert ein Deep-Learning-System zur Klassifikation von Brustultraschallbildern in gutartige, bösartige und normale Bilder unter Verwendung der EfficientNet-B0-Architektur, die auf dem Breast Ultrasound Identification (BUSI)-Datensatz optimiert ist. Um ein Klassenungleichgewicht zu verringern und das Netzwerk zu stabilisieren, wird Datenerweiterung einschließlich zufälligem horizontalem Umdrehen, Drehen und Farbunschärfen angewendet. Die gradientengewichtete Klassenaktivierungskartierung (Grad-CAM) wird verwendet, um visuelle Erklärungen zu generieren, indem Interessensgebiete wie Tumorränder und Texturmuster identifiziert werden. Das Modell erreichte eine durchschnittliche Genauigkeit von 99 % und zeigte eine hohe Wirksamkeit bei der Läsionenerkennung. Die Integration von erklärbarer KI (XAI) verbessert nicht nur das diagnostische Vertrauen, sondern überbrückt auch die Lücke zwischen klinischer Praxis und KI. Die Ergebnisse belegen das Potenzial, leistungsstarke Deep-Learning-Modelle mit interpretierbaren Methoden zu kombinieren, um zuverlässige Brustkrebsdiagnosetools für die tatsächliche klinische Praxis zu entwickeln.

Einleitung

Brustkrebs ist eine der lebensbedrohlichsten Krankheiten, die Frauen weltweit betrifft. Laut der Weltgesundheitsorganisation (WHO) trägt Brustkrebs zu der Mehrheit der krebsbedingten Todesfälle bei, und eine frühzeitige Diagnose ist entscheidend, um die Überlebensrate zu erhöhen¹. Ultraschallbildgebung ist zu einem routinemäßigen diagnostischen Verfahren bei Brustkrebs geworden, da es sicher, kostengünstig ist und Echtzeitbilder erzeugen kann. Im Gegensatz zur Mammographie ist Ultraschall äußerst effektiv darin, feste Massen und Wachstum zu unterscheiden, die Flüssigkeit enthalten, und dient daher als hervorragendes diagnostisches Hilfsmittel bei Brustpathologie. Die Ultraschallbildinterpretation ist stark subjektiv und basiert auf hochqualifizierter Fachkenntnis, was zu Diagnoseschwankungen und möglichen menschlichen Fehlern führt.

In den letzten Jahren haben KI und Deep Learning enorme Fähigkeiten zur Automatisierung der medizinischen Bildanalyse demonstriert. Deep-Learning-basierte Modelle, insbesondere CNNs, zeichnen sich durch Objektsegmentierung, -erkennung und -klassifikation^{aus 2}. Die Einführung von KI im Gesundheitswesen wird jedoch durch die "Black-Box"-Natur dieser Modelle behindert. Der Begriff "Black-Box" bezieht sich auf den Mangel an Transparenz darin, wie ein Modell zu einer bestimmten Schlussfolgerung kommt; Obwohl die Eingaben und Ausgaben bekannt sind, bleiben die interne Logik und die spezifischen Merkmale, die zur klinischen Vorhersage verwendet werden, dem Benutzer verborgen.

Die Motivation für diese Arbeit liegt im dringenden Bedarf an zuverlässigen Instrumenten zur Unterstützung der Frühdiagnose von Brustkrebs, der weltweit eine der führenden Ursachen für weibliche Sterblichkeit ist. Obwohl Deep-Learning-Modelle sehr effektiv sind, schränkt ihr Mangel an Interpretierbarkeit die Integration in klinische Umgebungen^ein. Die vorliegende Arbeit schließt diese Lücken durch den Einsatz von EfficientNet-B0 für Hochleistungsklassifikationen und die Integration von Explainable AI (XAI)-Techniken wie Grad-CAM, um visuelle Einblicke in den Entscheidungsprozess des Modells zu liefern. Durch die Balance zwischen Transparenz und Genauigkeit zielt diese Studie darauf ab, ein vertrauenswürdiges KI-System zu entwickeln, das Klinikern solide diagnostische Unterstützung bietet. XAI-Methoden offenbaren die zugrunde liegende Begründung der Modellvorhersagen, sodass Kliniker Ergebnisse überprüfen und die Lücke zwischen klinischer Praxis und automatisierten Systemen überbrücken^können. In der Brustultraschallklassifikation stellt diese Interpretierbarkeit sicher, dass KI-basierte Diagnosen sowohl korrekt als auch klinisch gerechtfertigt sind.

Trotz Fortschritten im Deep Learning ist die Klassifikation von Brustultraschallbildern nicht ohne Herausforderungen, darunter ein Klassenungleichgewicht, bei dem Minderheitenklassen wie bösartige Tumore unterrepräsentiert sind, was zu verzerrten Modellen^führt. Der Mangel an Interpretierbarkeit in Deep-Learning-Modellen erschwert deren Anwendung in der klinischen Praxis, da Kliniker transparente Entscheidungsfindung benötigen. Einschränkungen des Datensatzes wie begrenzte Größe und Vielfalt schränken die Generalisierbarkeit der Modelle ein, während die komplexen Bildmerkmale von Ultraschallbildern wie Tumorränder und Textur^{schwer zu} erlernen sind. Die Lösungen für die genannten Probleme erfordern ein robustes und interpretierbares Rahmenwerk, das eine hohe Genauigkeit mit klaren Einblicken in die Modellvorhersage⁷ gewährleistet.

Die Studie zielt darauf ab, ein Deep-Learning-Framework zu entwickeln, das Brustultraschallbilder in gutartige, bösartige und normale Kategorien einordnet und gleichzeitig die Generalisierung durch gezielte Augmentation für Minderheitengruppen verbessert. Das Framework integriert Gradient-weighted Class Activation Mapping, um visuelle Erklärungen von Vorhersagen zu liefern und bewertet die Leistung anhand von Genauigkeit, Präzision, Rückruf und F1-Score, wodurch seine Eignung als interpretierbares klinisches Entscheidungsunterstützungssystem demonstriert wird. Im Gegensatz zu den zuvor erklärbaren, ultraschallbasierten Studien zu Brustkrebs, bei denen Grad-CAM hauptsächlich als Post-hoc-Visualisierung^verwendet wird, kombiniert der vorgeschlagene Rahmen läsionsbewusste Vorverarbeitung und klassenbewusstes Lernen in der Trainingsphase. Ground-Truth-Masken des Breast Ultrasound Images (BUSI)-Datensatzes werden auf Ultraschallbilder gelegt, um bei der Extraktion der Merkmale die Grenzen von Läsionen und internen Echomustern hervorzuheben, und selektive Augmentation wird bei Minderheiten-Diagnosegruppen eingesetzt, um das Ungleichgewicht in den Klassen zu verringern, ohne klinisch signifikante Erscheinungsmerkmale zu verändern⁹. Diese kombinierte, läsiongetriebene Läsion-Verstärkung, EfficientNet-B0 Transfer Learning und Grad-CAM-Erklärbarkeit verbessert die diagnostische Robustheit und liefert Interpretationen, die mit der Läsionsmorphologie übereinstimmen, was die Hypothese rechtfertigt, dass anatomisch gesteuerte Läsionsverstärkung und -erklärbarkeit KI-unterstützte Brustkrebsdiagnostik zuverlässig und vertrauenswürdig machen^{können 10}.

Die traditionelle medizinische Bildgebung stützte sich traditionell auf herkömmliche Bildverarbeitungsmethoden, bei denen Filterung, Segmentierung und morphologische Operationen zur Identifizierung sichtbarer Strukturen für die Diagnose¹¹ verwendet wurden. Diese Verfahren erforderten jedoch meist manuelle Abstimmung und hatten Schwierigkeiten, die inhärente Variabilität und Komplexität medizinischer Bilder zu berücksichtigen. So basierte beispielsweise die Interpretation des Brustultraschalls historisch von der subjektiven Expertise der Radiologen, wobei die Identifizierung bösartiger und gutartiger Läsionen auf visuellen Darstellungen beruhte, die anfällig für menschliche Fehler oder Fehlinterpretationen waren.

Das Aufkommen des Deep Learning hat eine transformative Revolution in der medizinischen Bildgebung ausgelöst, vor allem durch den Einsatz von Convolutional Neural Networks (CNNs)¹². Unter diesen stellt EfficientNet-B0 eine bedeutende Innovation dar, da eine zusammengesetzte Skalierungsmethode verwendet wird, die Netzwerktiefe, Breite und Auflösung ausbalanciert, um hocheffiziente und präzise Berechnungen zu erzielen. Im Kontext der Brustultraschallbildgebung nutzt das Modell sequentielle Faltungsschichten, um hierarchische Merkmale automatisch zu erlernen, wodurch die subjektive manuelle Merkmalsextraktion effektiv entfällt und die diagnostische Genauigkeit sowie Zuverlässigkeit deutlich verbessert^werden. Trotz dieses beeindruckenden Potenzials bleibt Deep Learning in der medizinischen Bildgebung ein sich entwickelndes Feld mit ungelösten Herausforderungen. Die Qualität und Verfügbarkeit der Daten sind von größter Bedeutung, da Deep-Learning-Modelle umfangreiche Repositorien mit annotierten Bildern benötigen, um eine erfolgreiche Verallgemeinerung zu gewährleisten. Darüber hinaus stellt die "Black-Box"-Natur dieser Modelle erhebliche Hürden für die klinische Akzeptanz dar; Ethische Bedenken hinsichtlich möglicher Verzerrungen in Trainingsdaten können ebenfalls zu verzerrten oder diskriminierenden diagnostischen Vorhersagen^führen. Daher erfordert diese Forschung strenge Test- und Validierungsprotokolle, um sicherzustellen, dass die Modelle objektiv und klinisch fundiert bleiben. Um diese Einschränkungen zu beheben, konzentrieren sich aktuelle Entwicklungen im Deep Learning auf die Verbesserung der Modellinterpretierbarkeit und -robustheit. Techniken wie Gradient-weighted Class Activation Mapping (Grad-CAM), wie sie in dieser Studie angewandt werden, ermöglichen die Visualisierung spezifischer Bildregionen, die die Modellergebnisse beeinflussen, fördern so ein tieferes Verständnis des Modellverhaltens und unterstützen klinische Entscheidungsfindung. Darüber hinaus ermöglichen Durchbrüche in föderierten Lernrahmen datenschutzbewusste Kooperationen zwischen Institutionen und ermöglichen die Nutzung heterogener Daten, ohne dass Rohdatensätze geteilt werden müssen. Solche Fortschritte ermöglichen zunehmend zuverlässigere, interpretierbarere und unvoreingenommene Deep-Learning-Anwendungen in der medizinischen Bildgebung und verbessern letztlich klinische Kriterien und Patientenversorgung ¹⁵.

Die Bedeutung interpretierbarer medizinischer Entscheidungssysteme¹⁶ wurde durch jüngste Fortschritte bei erklärbarer künstlicher Intelligenz hervorgehoben. Interpretierbare Frameworks: fusionsbasierte interpretierbare Frameworks haben durch die Kombination mehrerer Merkmalsrepräsentationen und mehrerer Erklärungsmechanismen bessere Klassifikation und Transparenz gezeigt.¹⁷. Jüngste Forschungen haben ein hohes Potenzial gezeigt, Deep-Learning-Modelle in Verbindung mit den XAI-Methoden zu nutzen, um das diagnostische Vertrauen bei Brustkrebsdiagnose und anderen medizinischen Vorhersageaufgaben zu stärken. Diese Artikel befürworten die Notwendigkeit, sowohl ein hochprädiktives als auch interpretierbares Denken von Klinikern zu haben, was mit dem Ziel der aktuellen Studie übereinstimmt, ein effektives und verständliches Ultraschallklassifikationssystem¹⁸ zu schaffen.

Tabelle 1 zeigt die Literaturübersicht und bestehende Technologien.

Studium	Ziel	Anmerkung
Humayra Afrin et al. (2023)19	Überprüfen Sie Deep-Learning-Anwendungen für die Diagnose und Prognose von Brustmassen-Ultraschalluntersuchungen.	Die Läsionsklassifikation zeigte die höchste Leistung, mit weniger Studien zur Prognose.
Gelan Ayana et al. (2022)20	Überprüfen ultraschallgeleitete Nanoträger für die Brustkrebs-Chemotherapie.	Ultraschallempfindliche Nanoträger verbessern die Arzneimittelabgabe, stehen jedoch vor physiologischen Barrieren.
Valerio Di Paola et al. (2022)21	Bildgebungstechniken für eine genaue N-Stadieneinteilung bei Brustkrebs analysieren.	MRT und Ultraschall spielen eine wichtige Rolle, aber falsch positive/negative Ergebnisse beeinflussen die diagnostische Genauigkeit.
Adyasha Sahu et al. (2024)22	Schlage einen Ensemble-Deep-Learning-Klassifikator zur Brustkrebserkennung vor.	Hohe Genauigkeit wurde mit AlexNet, ResNet und MobileNetV2 mit LoG und hohem Boosting erreicht.
Alireza Rezazadeh et al.(2022)23	Entwickeln Sie eine erklärbare ML-Pipeline für die Brustkrebsdiagnose anhand von Ultraschallbildern.	Verwendet Texturmerkmale und Entscheidungsbaum-Ensembles, um die Interpretierbarkeit von Vorhersagen zu verbessern.
Asaf Raza et al. (2023)24	Entwickeln Sie DeepBreastCancerNet für eine robuste Brustkrebserkennung.	Erreichte eine Genauigkeit von 99,63 % unter Verwendung einer 24-Schicht-Architektur mit mehreren Optimierungen.
Kiran Jabeen et al.(2022)25	Schlage ein Deep-Learning-Framework mit DarkNet-53 und Feature Fusion vor.	Erreichte 99,1 % Genauigkeit durch optimierte Merkmalauswahltechniken.
Gelan Ayana et al.(2022)26	Entwicklung von mehrstufigem Transfer Learning (MSTL) zur Ultraschallklassifikation von Brustkrebs.	Verbesserte Genauigkeit durch medizinisches bildbasiertes Transferlernen mit EfficientNetB2, InceptionV3 und ResNet50.
Saksham Gupta et al. (2023)27	Verwenden Sie modifiziertes ResNet50 für die Ultraschallklassifikation von Brustkrebs.	Erreichte 97,8 % Genauigkeit, verkürzte die Diagnosezeit und verbesserte die Früherkennung.
Karl Kratkiewicz et al. (2022)28	Überprüfen Sie fortschrittliche Bildgebungsmethoden wie Ultraschalltomographie (UST) und photoakustische Tomographie (PAT).	UST und PAT verbessern die Erkennung von Brustkrebs durch quantitative Bildgebung.

Tabelle 1: Zeigt die Literatur und Übersicht bestehender Technologien.

Das vorgeschlagene Modell basiert auf den Erfolgen im Deep Learning bei der Klassifikation von Brustultraschallbildern, das die Hauptherausforderungen dieser Forschung überwindet, darunter die Datenqualität, die Interpretierbarkeit eines Modells und die Effizienz der Berechnungen. Im Gegensatz zu den alten Techniken, bei denen manuelle Merkmalsextraktion verwendet wird, nutzen die Autoren in dieser Arbeit EfficientNet-B0, die neueste Architektur, die Tiefe, Breite und Auflösung in das bestmögliche Verfahren vereint. Das Modell verwendet Grad-CAM, um die Erklärung seiner Vorhersage zu visualisieren, was seine Transparenz und klinische Sicherheit erhöht. Obwohl die aktuellen Lösungen, einschließlich Ensemble-Modelle und Transfer Learning, sehr genau geworden sind, lassen sie sich nicht leicht interpretieren oder erfordern möglicherweise eine große Rechenleistung. Die präsentierte Arbeit adressiert diese Lücken, da sie sowohl sehr genau (99) als auch interpretierbar ist, um sicherzustellen, dass das Modell in praktischen Aspekten der klinischen Entscheidungsfindung zuverlässig und tragfähig ist. Der vorgeschlagene Ansatz, der sich auf das Ungleichgewicht der Klassen und den praktischen Einsatz konzentriert, ist ein neuer Standard für KI-gesteuerte Brustkrebsdiagnose.

Das Papier verwendet ein öffentlich zugängliches BUSI, eine zuvor gesammelte Sammlung anonymisierter klinischer Bilder. In dieser Studie waren keine direkten menschlichen Probanden und Tiere vorhanden, weshalb keine institutionelle ethische Genehmigung (IRB/IACUC) erforderlich ist. Alle Operationen entsprechen den gemeinsamen Standards für die sekundäre Nutzung öffentlich zugänglicher medizinischer Bildgebungsdaten.

Protokoll

1. Merkmale des Datensatzes

Die Studie nutzte den öffentlich verfügbaren Breast Ultrasound Images (BUSI)-Datensatz, der ein gut dokumentiertes Archiv für die Analyse und Klassifizierung von Brustkrebs²⁹ bot. Dieser Datensatz erwies sich als besonders geeignet, da er eine umfangreiche Sammlung von Ultraschallbildern enthielt, die zur Erstellung und Validierung von Deep-Learning-Modellen für medizinische Bildgebung erforderlich sind. Der Datensatz umfasste 780 Ultraschallbilder, die von 600 Frauen im Alter von 25 bis 75 Jahren gesammelt wurden und eine vielfältige Brustkrebsdiagnose repräsentierten. Alle Bilder hatten eine durchschnittliche Auflösung von 500 x 500 Pixeln und nutzten das PNG-Format, um hochwertige visuelle Daten für die Analyse zu sichern. Abbildung 1 zeigt den gesamten Arbeitsablauf des vorgeschlagenen Frameworks, einschließlich Vorverarbeitung, Erweiterung, EfficientNet-B0-Feature-Extraktion, Klassifikation und Grad-CAM-Interpretierbarkeit.

Abbildung 1: Repräsentative Stichproben aus dem BUSI-Datensatz. (A) Gutartig, (B) bösartig und (C) Normale Bilder. Die Tafeln zeigen die morphologische Vielfalt, die für die Ausbildung verwendet wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

2. Experimenteller Arbeitsablauf

Um die Reproduzierbarkeit sicherzustellen, führte die Untersuchung die Verarbeitungspipeline in aufeinanderfolgenden Schritten aus. Zuerst lud das System die Busi-Ultraschallbilder und die entsprechenden Ground-Truth-Masken und vergrößerte sie auf 224×224 Pixel, gefolgt von der ImageNet-Normalisierung. Zweitens überlagerte das Framework jedes Bild mit seiner Maske, um Läsionsregionen hervorzuheben, bevor der Datensatz in Training (70 %), Validierung (15 %) und Test-Teilmengen (15 %) mittels geschichteter Stichprobe aufgeteilt wurde. Drittens wandte die Studie gezielte Augmentation an, bestehend aus horizontalem Umdrehen, Drehen (±15°) und Farbrütteln, hauptsächlich auf die Minderheitenklassen. Viertens feinjustierten die Forscher das EfficientNet-B0-Modell, das auf ImageNet vortrainiert war, indem sie die letzte Klassifikationsschicht durch eine dreiklassige Ausgabeschicht ersetzten. Der Trainingsprozess verwendete den Adam-Optimierer (Lernrate 0,00005), Schritt-Lerngeschwindigkeitsabfall (γ = 0,1 alle 7. Epochen), Kreuzentropieverlust, eine Batchgröße von 8 und frühes Stoppen mit einer Geduld von 2. Schließlich erzeugte Grad-CAM Aufmerksamkeits-Heatmaps aus der letzten Faltungsschicht, um diagnostisch relevante Regionen zu visualisieren und die klinische Interpretation zu unterstützen. Die Materialtabelle listet die wesentlichen Datensätze, Softwarebibliotheken und Hardwarekonfigurationen auf, die erforderlich sind, um das Brust-Ultraschall-Klassifikations- und Interpretierbarkeitsrahmen der Studie zu reproduzieren.

Der BUSI-Datensatz zeigte ein natürliches Klassenungleichgewicht, ein Merkmal, das häufig in medizinischen Datensätzen beobachtet wird. Die Verteilung bevorzugte die gutartige Klasse, gefolgt von bösartigen und normalen Fällen. Konkret enthielt der Datensatz 487 gutartige, 210 bösartige und 133 normale Bilder. Obwohl Datenaugmentation die Trainingsvariabilität erhöhte, änderte sie die grundlegende Stichprobenzahl in jeder Klasse nicht. Diese Verteilung spiegelte reale klinische Szenarien wider, in denen gutartige Erkrankungen häufiger auftreten als bösartige Tumore. Obwohl ein solches Ungleichgewicht die Häufigkeit von Brustauffälligkeiten in klinischen Umgebungen genau darstellte, stellte es Herausforderungen für das Deep-Learning-Training dar, da es zu verzerrten Vorhersagen und suboptimaler Leistung für Minderheitengruppen führen konnte. Daher wurde es unerlässlich, dieses Ungleichgewicht zu mindern, um ein effektives und verallgemeinerbares Modell zu formulieren, das in jeder diagnostischen Kategorie effizient funktioniert. Abbildung 2 zeigt repräsentative Ultraschallbilder aus dem Datensatz und zeigt Beispiele für gutartige, bösartige und normale Brustgewebeproben.

Abbildung 2: Vorgeschlagener Modell-Workflow. Sequentielle Pipeline von Eingabe- und Maskenüberlagerungs-Vorverarbeitung bis zum EfficientNet-B0-Training und Grad-CAM-Ausgabe. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

3. Datenvorverarbeitung

Die Studie vergrößerte alle Bilder auf 224 x 224 Pixel, um die Standard-Eingabemaße der EfficientNet-B0-Architektur einzuhalten. Diese Größenanpassung gewährleistete die Konsistenz des Datensatzes und reduzierte die Rechenanforderungen, wie in Gleichung 1 definiert.

     

Das Framework normalisierte Pixelwerte unter Verwendung des Mittelwerts und der Standardabweichung des ImageNet-Datensatzes ([0,485, 0,456, 0,406] für Mittelwert und [0,229, 0,224, 0,225] für STD). Diese Normalisierung skalierte die Eingabedaten, um die Trainingsstabilität und Konvergenzgeschwindigkeit zu verbessern, berechnet gemäß Gleichung 2.

      

Um die Feature-Extraktion und die Identifizierung interessanter Regionen zu verbessern, legten die Forscher die Originalbilder auf ihre entsprechenden Ground-Truth-Masken überlagert. Abbildung 3 illustriert die Ground-Truth-Läsionsmasken und die daraus resultierenden überlagerten Ultraschallbilder, die die Tumorgrenzen hervorhoben.

Abbildung 3: Maske und überlagerte Bilder. (A) Originalultraschall, (B) Ground-Truth-Maske und (C) resultierende Überlagerung, die Tumorgrenzen für räumliche Aufmerksamkeit hervorhebt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Diese Überlagerung identifizierte kritische Bereiche wie Tumorränder und Texturmuster und lieferte dem Modell einen lokalisierten räumlichen Kontext zur Verbesserung der Klassifikationsgenauigkeit, wie in Gleichung 3 gezeigt.

      

Die Studie nutzte die Maskenüberlagerungsfunktion ausschließlich während der Vorbereitung von Trainingsdaten, um das Wissen über Läsiongrenzen während des Merkmalslernens zu ergänzen. Im Gegensatz dazu verwendeten die Validierungs- und Inferenzphasen nur die ursprünglichen Ultraschallbilder ohne Masken und hielten eine konventionelle Bildklassifizierungspipeline bei. Da die binären Segmentierungsmasken im BUSI-Datensatz bereits innewohnende Strukturen in den Ultraschallbildern darstellten, führten sie keine neuen Klassenlabels ein. Um Informationslecks zu verhindern, teilte die Untersuchung den Datensatz in Trainings-, Validierungs- und Testsätze auf, um sicherzustellen, dass keine überlappenden Bild- oder Maskenpaare zwischen den Teilmengen geteilt wurden. Folglich fungierte die Überlagerung als räumlicher Aufmerksamkeitsleitfaden, der anatomisch bedeutende Bereiche hervorhob, ohne die Unabhängigkeit der Bewertungsdaten zu beeinträchtigen.

4. Datenvergrößerung

Die Studie setzte gezielte Datenerweiterung ein, um ein Klassenungleichgewicht innerhalb des Trainings-Sets zu verringern, wobei sich speziell die bösartigen und normalen Minderheitenklassen konzentrierten. Das Framework nutzte eine breite Palette von Transformationen, um die Variabilität der Trainingsdaten künstlich zu erhöhen und die Fähigkeit des Modells zu verbessern, sich über verschiedene Bildgebungsbedingungen hinweg zu verallgemeinern.

Erstens führte das System horizontales Flipping mit einer Wahrscheinlichkeit von 0,9 (90 %) durch, sodass das Modell Merkmale unabhängig von der Scanrichtung erkennen konnte. Diese Transformation folgte Gleichung 4:

      

Zweitens wandte die Untersuchung zufällige Rotationen im Bereich von ±15° an, um Variationen in den Scan-Winkeln und der Patientenpositionierung zu simulieren. Dieser Prozess zwang das Modell, rotationsinvariante Merkmale wie Tumorränder und Texturmuster zu lernen, wie sie in Gleichung 5 definiert sind:

      

Drittens nutzten die Forscher Farbjitter, um Variationen in Licht, Kontrast und Farbbalance zu simulieren. Das Framework passte Helligkeit, Kontrast und Sättigung um den Faktor 0,2 und den Farbton um 0,1 an. Diese stochastischen Anpassungen verbesserten die Robustheit des Modells gegenüber Erscheinungsänderungen, berechnet gemäß Gleichung 6:

      

Die Auswahl dieser spezifischen Hyperparameterbereiche (horizontaler Flip 0,9, Rotation +15, -15, Helligkeit/Kontrast/Sättigung 0,2, Farbton 0,1) resultierte aus einer empirischen Stabilitätsbewertung. Die Untersuchung ergab, dass diese Einstellungen das Gleichgewicht zwischen Diversitätsgenerierung und anatomischem Realismus optimierten und so eine stetige Konvergenz und stabile Validierungsgenauigkeit sicherstellten, ohne unrealistische Läsionsdeformationen zu induseren.

5. Modellarchitektur

Die Studie nutzte EfficientNet-B0, ein modernes CNN-Modell, das für seine Effizienz, Skalierbarkeit und Leistung im Vergleich zu anderen Bildklassifikationsarchitekturen bekannt ist. Dieses Modell verwendete eine Methode, bei der Tiefe, Breite und Auflösung des Netzwerks proportional skaliert wurden, was eine hohe Genauigkeit mit einer deutlich reduzierten Anzahl von Parametern im Vergleich zu Standardarchitekturen wie ResNet und VGG ermöglichte. Dieser Skalierungsansatz ermöglichte es dem Framework, hochauflösende Bilder zu verarbeiten und dabei rechnerisch effizient zu bleiben, um den spezifischen Anforderungen der medizinischen Bildgebung gerecht zu werden. Abbildung 4 veranschaulicht die Architektur von EfficientNet-B0 und hebt die Folge der Faltungs- und MBConv-Blöcke hervor, die für hierarchische Merkmalsextraktion verwendet werden.

Abbildung 4: EfficientNet-B0-Architektur. Schaltplan von MBConv-Blöcken und zusammengesetzten Skalierungsfaktoren, die für die hierarchische Merkmalsextraktion verwendet werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Um EfficientNet-B0 für die Brustultraschallklassifikation zu modifizieren, führten die Forscher spezifische Anpassungen an der Modellstruktur vor. Das System tauschte die anfängliche Klassifikationsschicht, die für den 1.000-Klassen-ImageNet-Datensatz vorgesehen war, durch eine vollständig verbundene (dichte) Schicht aus 3 Ausgangsneuronen aus. Die Untersuchung setzte alle Schichten des vortrainierten EfficientNet-B0-Backbone als trainierbar fest und optimierte sie gemeinsam mit der neuen Klassifikationsschicht nach einer vollständigen Feinabstimmungsstrategie. Der Trainingsprozess verwendete kein stufenweises Einfrieren oder schrittweises Auftauen. Das Framework führte Training mit dem Adam-Optimierer mit einer Lernrate von 0,00005 und einem Step-Learning-Rate-Scheduler durch, der die Rate alle 7. Epochen um den Faktor 0,1 senkte. Diese Neuronen entsprachen den drei Zielklassen im BUSI-Datensatz: gutartig, normal und bösartig. Das Modell nutzte eine SoftMax-Aktivierung auf der Ausgabeschicht, wodurch die Rohwerte in Wahrscheinlichkeitsverteilungen umgewandelt wurden, wie in Gleichung 7 berechnet. Tabelle 2 zeigt die Beschreibung der Modellarchitektur.

      

Schichttyp	Beschreibung
Eingabeschicht	Akzeptiert Bilder der Größe 224 x 224 x 3
Faltungsschichten	Enthält Anfangsfaltungs- und MBConv-Blöcke zur Feature-Extraktion.
Globales Durchschnittspooling	Reduziert die räumlichen Dimensionen auf einen 1D-Merkmalsvektor.
Vollständig verbundene Schicht	Bildet den Merkmalsvektor auf 3 Ausgangsneuronen (normal, gutartig, bösartig) zu.
SoftMax-Aktivierung	Wandelt Logits in Wahrscheinlichkeiten für die Mehrklassenklassifikation um.

Tabelle 2: Zeigt die Beschreibung der Modellarchitektur.

Die zum Trainieren des Modells verwendeten Parameter waren der Adam-Optimierer, eine anfängliche Lernrate von 0,00005 und der kategorische Kreuzentropieverlust (drei Klassen), mathematisch berechnet gemäß Gleichung 9. ImageNet-vortrainierte Gewichte wurden verwendet, um EfficientNet-B0 zu initialisieren, vollständig trainiert, und alle Backbone-Schichten wurden trainiert, ohne dass ein gestufter Freeze angewendet wurde. Der ursprüngliche Klassifikator wurde durch eine vollständig verbundene Schicht und drei Ausgangsneuronen sowie schließlich durch SoftMax-Aktivierung ersetzt, die gutartige, bösartige und normale Klassen repräsentierte. Die Bilder wurden auf 224 x 224 Pixel verkleinert, anschließend nach ImageNet-Mittelwert und Standardabweichung normalisiert und in Mini-Chargen zu je 8 geladen. Ein Step-Learning-Rate-Scheduler verringerte die Lernrate um 0,1 in jedem 7. Epochen. Validierungsverlust wurde verwendet, um mit einer Geduld von zwei Epochen frühzeitig zu stoppen, um Überanpassungen zu vermeiden. Grad-CAM-Aktivierungen wurden auf Basis der letzten Faltungsschicht erzeugt, indem Gradienten berechnet, globale Durchschnittspooling zur Kanalgewichtung erhalten und die Aktivierungskarten auf Eingabeauflösung hochskaliert wurden.

Um diese Stabilität zu bestätigen, wurde das Training über mehrere Durchläufe mit der Matching-Validierungsleistung wiederholt. Die Überwachung von Trainings- und Validierungsverlustkurven wurde verwendet, um Überanpassungen zu identifizieren, und ein stratifizierter Hold-Out-Testsatz hing nicht vom Training ab, sondern wurde zur Endbewertung verwendet. Der Unterschied zwischen der Validierungsleistung und der Testleistung ist gering, was eine konsistente Konvergenz und Optimierungsreproduzierbarkeit zeigt. Gleichung 10 definiert einen stufenweise Lernratenplan. Gleichung 15 bedeutet zwei aufeinanderfolgende Erhöhungen des Validierungsverlusts, was auf eine mögliche Überanpassung hinweist.

      

      

      

      

      

      

      

EfficientNet-B0 ist besonders flexibel für die Aufgabe der Brustultraschallklassifikation, da die Architektur mehrere innovative architektonische Aspekte umfasst, die die Effizienz und Geschwindigkeit der Architektur ermöglichen. Der zentrale Teil ist der MBConv, der tiefenseparable Faltungen mit Quetsch- und Anregungsmodulen vereint, um eine geringere Rechenkomplexität ohne Genauigkeitsverlust zu gewährleisten. Das Modell unterstützt außerdem eine Skalierung von Verbindungen, die Tiefe, Breite und Auflösung gleichmäßig skaliert, um optimale Leistung bei allen Arten von Ressourcenbeschränkungen zu erzielen, und das Modell ist zudem aufgabenagil, was mathematisch abgeleitet ist, wie in folgender Gleichung 8. Das Modell enthält bereits Gewichte, die auf dem ImageNet-Datensatz trainiert sind, sodass es übertragen werden kann, um zu lernen, und in erheblichem Maße muss das Modell nicht auf kleinen medizinischen Datensätzen trainiert werden. Diese Kombination aus hochrangigen Funktionen sowie der maßgeschneiderten Trainingsumgebung, die auch die Änderungen an der finalen Klassifikationsschicht, den Einsatz des Adam-Optimierers, des Lernraten-Schedulers und des frühen Stopps enthält, stellt sicher, dass das Modell hochpräzise, aber gleichzeitig rechnerisch effizient ist. Diese Kombination aus architektonischer Erfindungsgabe und Trainingsansätzen ermöglicht es dem Modell, effizient auf Basis der schlechten medizinischen Bildgebungsinformationen zu lernen und erweist sich somit als hilfreiches Instrument bei der Kategorisierung von Brustultraschall.

Algorithmus 1: Klassifikation des Brust-Ultraschallbildes mit EfficientNet-B0 und Grad-CAM

Eingabe: Brust-Ultraschallbilder.
Ausgabe: Klassifikation (normal, gutartig, bösartig) und Grad-CAM-Heatmaps.
1. Vorverarbeitungsbilder:
Skaliere auf 224×224224×224.
Normalisiere mit ImageNet-Mean und STD.
Augment mit Flippen, Rotation und Farbjittern.
2. Modell initialisieren:
Load EfficientNet-B0 (vortrainiert, obere Schicht ausgeschlossen).
Fügen Sie Global Average Pooling und eine dichte Schicht (3 Neuronen, SoftMax) hinzu.
3. Zugmodell:
Optimierer: Adam (Lernrate = 0,00005).
Verlust: Kreuzentropie.
Trainiere 18 Epochen mit frühem Stopp (Geduld = 2).
4. Grad-CAM-Visualisierung:
Berechnen Sie Gradienten der Zielklasse.
Erzeugen und überlagern Sie Heatmaps auf Eingabebildern.

Der Algorithmus bietet den Workflow zur Klassifikation von Brustultraschallbildern mit EfficientNet-B0 und Grad-CAM, einschließlich Vorverarbeitung, Training und Inferenz des Modells sowie der interpretierbaren Heatmap zur klinischen Validierung.

6. Grad-CAM als erklärbare KI

Ein starkes Werkzeug, das in der Studie verwendet wird, kann dem Deep-Learning-Modell Gradient-weighted Class Activation Mapping Interpretierbarkeit hinzufügen. Mit Blick auf eine Lösung für den derzeit dringenden Bedarf an XAI in der klinischen Bildgebung verwendet die Methode Grad-CAM, um Klinikern zu ermöglichen, die Entscheidungsfindung des Modells intuitiv durch visuell erklärbare Heatmaps um die wichtigsten Bereiche eines Bildes zu verstehen, die zur Vorhersage des Modells verwendet werden. Eine solche Konvergenz der Interpretierbarkeit wird entscheidend sein, um Vertrauen in KI-Systeme aufzubauen, insbesondere in hochrisikoreiche Systeme wie das Gesundheitswesen, in denen Rechenschaftspflicht und Transparenz unerlässlich sind. Abbildung 5 zeigt Grad-CAM-Heatmaps, die die Bildregionen hervorheben, die die Vorhersagen des Modells für gutartige, bösartige und normale Fälle am stärksten beeinflussten.

Abbildung 5: Grad-CAM-Aktivierungs-Heatmaps. (A) Gutartig, (B) bösartig und (C) Normale Fälle. Warme Farben (Rot) stehen für einen hohen diagnostischen Einfluss; Kühle Farben (Blau) deuten auf geringere Aufmerksamkeit hin. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Alle Grad-CAM-Bilder werden zusätzlich zu dem Eingabebild angezeigt, das dem Modell eingespeist wurde. Abbildung 5 zeigt das ursprüngliche Ultraschallbild und das Modell-Eingabebild, um sicherzustellen, dass die Bereiche der engen Aufmerksamkeit direkt mit dem in der Vorhersage berücksichtigten verarbeiteten Eingaben in Beziehung stehen. Um die kanalweise Bedeutung zu erreichen, wird Grad-CAM verwendet, um Gradienten der vorhergesagten Klasse mithilfe von Merkmalsabbildungen der finalen Faltungsschicht zu berechnen. Diese Gradienten werden weltweit gemittelt, um die Gewichtungskoeffizienten zu erhalten, und dann mit den jeweiligen Merkmalskarten multipliziert, um eine Lokalisierungs-Wärmekarte (Gleichungen 16 und 17) zu erzeugen. Die Heatmap wird dann auf die Eingabeauflösung hochgesamplt und über das Ultraschallbild gelegt, um diagnostisch interessante Bereiche (z. B. Tumorränder, Texturänderungen usw.) im Bild anzuzeigen. Diese Visualisierung bietet ein räumliches Verständnis der Bereiche, die zur Vorhersage im Modell verwendet werden. Dieses Papier misst die Interpretierbarkeit der Lokalisierung der Aufmerksamkeit durch visuelle Analyse. Sie schlossen keine quantitativen Lokalisierungsmessungen und klinikerbasierten Bewertungen ein, die weiterhin wertvolle Wege zur zukünftigen Validierung klinischer Relevanz sind.

      

      

Grad-CAM liefert Vorhersagen darüber, wie ein Modell visuell funktioniert, indem Bereiche eines Bildes hervorgehoben werden, die zur Vorhersage beigetragen haben. Die Heatmaps können verwendet werden, um zu bestätigen, dass das Netzwerk sich auf klinisch relevante Strukturen konzentriert, darunter Tumorränder und akustische Muster. Bei Fehlalarmen können die Visualisierungen helfen, den Fokus auf irrelevante Bereiche zu erkennen und so die Modellbewertung und Optimierung zu unterstützen. Eine solche Entsprechung zwischen medizinischen Merkmalen und der Aufmerksamkeit des Modells verbessert die Interpretierbarkeit der KI-unterstützten Diagnose. Abbildung 6 zeigt die GradCAM-Visualisierung.

Abbildung 6: GradCAM-Visualisierung. Grad-CAM-Heatmap, die wichtige Regionen (rot = hoch, blau = niedrig) für die Klassifikation zeigt; Farbintensität zeigt die Bedeutung des Merkmals an. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Grad-CAM wird hinzugefügt, um die Interpretierbarkeit des EfficientNet-B0-Modells zu erhöhen, indem Bildregionen hervorgehoben werden, die den größten Beitrag zur Klassifikationsentscheidung leisten. Die resultierenden Heatmaps zeigen klinisch signifikante Strukturen von Tumorrändern und Texturveränderungen, was eine klare Analyse der Modellvorhersagen erleichtert. Diese hohe Klassifikationsgenauigkeit und visuelle Interpretierbarkeit machen dieses vorgeschlagene Rahmenwerk in Bezug auf die Zuverlässigkeit bei der Analyse der Brustultraschallbilder stärker.

7. Statistische Analyse

Das Modell wird auf einer großen Anzahl von Metriken ausgewertet, wie etwa Genauigkeit, als Maß für die Genauigkeit positiver Vorhersagen; erinnern, als Maß für die Wirksamkeit des Modells bei der Identifizierung aller relevanten Fälle; und den F1-Wert, den harmonischen Mittelwert von Präzision und Abruf, der ein ausgewogenes Maß für die Gesamtleistung liefert, das mathematisch gemäß den Gleichungen 18–21 berechnet wird.

      

      

      

      

Der mittlere absolute Fehler (MAE) quantifiziert die durchschnittliche absolute Differenz zwischen Vorhersagen und wahren Werten, mathematisch berechnet gemäß Gleichung 22.

      

Der Root Mean Squared Error (RMSE) misst die durchschnittliche Abweichung von Vorhersagen von den wahren Werten, mathematisch berechnet gemäß Gleichung 23.

      

Der mittlere absolute Fehler (MAE) quantifiziert die durchschnittliche absolute Differenz zwischen Vorhersagen und wahren Werten, mathematisch berechnet gemäß Gleichung 24.

      

Die Verwirrungsmatrix wird verwendet, um eine detaillierte Aufschlüsselung von wahren Positiven, wahren Negativen, Falsch-Positiven und Falsch-Negativen nach Klassen zu liefern und weitere Informationen darüber zu liefern, wie das Modell³⁰ klassifiziert. Diese Bewertungsmaße zusammen liefern eine Gesamtbewertung des Fehlers, der Stärke und der Verallgemeinerung des Modells auf nicht beobachteten Daten und machen es somit zu einem zuverlässigen Werkzeug zur Klassifizierung von Brustbildern im Ultraschall. Die Verfügbarkeit von Läsionsmasken im BUSI-Datensatz impliziert, dass in Zukunft quantitative Lokalisierungsmaße, z. B. die Intersection-over-Union, eingeführt werden können, um die Genauigkeit der Erklärung objektiv zu bewerten. Die stratifizierte Hold-out-Validierung wurde gewählt, um die Unabhängigkeit zwischen den Trainings- und Evaluationsteilmengen zu bewahren, wobei die Klassenverteilung erhalten bleibt. Der Grund für die Verweigerung von Cross-Validation war, eine wiederholte Exposition von Validierungsproben im Optimierungsprozess zu verhindern, aber in zukünftigen Studien werden wiederholte oder verschachtelte Cross-Validation genutzt, um weitere Leistungsunterschiede zu bestimmen.

Ergebnisse

Die Standardisierung der Eingangsmaße auf 24 x 224 Pixel und ImageNet-basierte Normalisierung ermöglichten stabiles Trainingsverhalten und eine glatte Konvergenz der Verlustkurven. Die Anwendung der Maskenüberlagerung auf Trainingsproben erhöhte die Sichtbarkeit der Läsionsgrenzen im Vergleich zu rohen Ultraschallbildern erheblich. Diese Beobachtung stützte die Hypothese, dass anatomisch gesteuerte Verstärkung die Merkmalstrennbarkeit verbessert. Während die Trainingsphase diese Überlage...

Diskussion

Das vorgeschlagene Framework nutzt eine fein abgestimmte EfficientNet-B0-Architektur, die mit Gradient-weighted Class Activation Mapping (Grad-CAM) integriert ist, um ein leistungsstarkes, interpretierbares System für die Brust-Ultraschallklassifikation bereitzustellen. Diese Forschung bringt das wissenschaftliche Feld voran, indem sie die Lücke zwischen "Black-Box"-Deep-Learning-Modellen und klinischer Transparenz überbrückt und zeigt, dass die Recheneffizienz nicht für die Erklärbarkei...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Brust-Ultraschall-Bilder (BUSI-Datensatz)		N/A	780 PNG-Bilder (487 gutartig, 210 bösartig, 133 normal)
Matplotlib	Matplotlib-Entwickler	N/A	Version 3.7.1
NumPy	NumPy-Entwickler	N/A	Version 1.23.5
NVIDIA Tesla T4 GPU	NVIDIA	N/A	16 GB VRAM
OpenCV	OpenCV.org	N/A	Version 4.7.0
Pillow (PIL)	Python Imaging Library	N/A	Version 9.4.0
Python	Python Software Foundation	N/A	Version 3.9.12
PyTorch	Meta AI	N/A	Version 2.0.1+cu117
Scikit-learn	Scikit-learn-Entwickler	N/A	Version 1.2.2
Seaborn	Seaborn-Entwickler	N/A	Version 0.12.2
Ubuntu OS	Canonical	N/A	64-Bit