Un metodo spiegabile di apprendimento per trasferimento basato su IA per la previsione del cancro al seno

Sommario

È stato sviluppato un protocollo spiegabile di trasferimento-apprendimento utilizzando EfficientNet-B0 e Grad-CAM per classificare le immagini ecografiche del seno in categorie benigne, maligna e normale, fornendo mappe di calore diagnostiche interpretabili adatte ad applicazioni di supporto decisionale clinico.

Abstract

L'identificazione del tumore al seno tramite immagini a ultrasuoni richiede alta accuratezza e trasparenza per aiutare i clinici a prendere decisioni appropriate. Questo lavoro dimostra un sistema di deep learning per la classificazione delle immagini ecografiche al seno in immagini benigne, maligne e normali utilizzando l'architettura EfficientNet-B0 ottimizzata sul dataset Breast Ultrasound Identification (BUSI). Per mitigare lo squilibrio di classe e stabilizzare la rete, viene applicato l'aumento dei dati, inclusi flipping orizzontale casuale, rotazione e vibrazione del colore. La mappatura di attivazione delle classi ponderata in gradiente (Grad-CAM) viene utilizzata per generare spiegazioni visive identificando aree di interesse come i margini tumorali e i pattern di texture. Il modello ha raggiunto una precisione media del 99%, dimostrando un'elevata efficacia nel rilevamento delle lesioni. L'integrazione dell'Explainable AI (XAI) non solo migliora la fiducia diagnostica, ma colma anche il divario tra la pratica clinica e l'IA. I risultati dimostrano il potenziale di combinare modelli di deep learning ad alte prestazioni con metodi di interpretabilità nello sviluppo di strumenti affidabili per la diagnosi del tumore al seno, adatti alla pratica clinica reale.

Introduzione

Il cancro al seno è una delle malattie più gravi e potenzialmente letali che colpiscono le donne in tutto il mondo. Secondo l'Organizzazione Mondiale della Sanità (OMS), il cancro al seno contribuisce alla maggior parte dei decessi correlati al cancro, e una diagnosi precoce è fondamentale per migliorare il tasso di^{sopravvivenza 1}. L'ecografia è diventata una procedura diagnostica di routine per il cancro al seno perché è sicura, economica e può produrre immagini in tempo reale. A differenza della mammografia, l'ecografia è estremamente efficace nel differenziare le masse solide e la crescita che contengono liquidi e, di conseguenza, rappresenta un eccellente aiuto diagnostico in presenza di patologie mammarie. L'interpretazione dell'immagine a ultrasuoni è altamente soggettiva e dipende da competenze di alto livello e causa variabilità della diagnosi e possibili errori umani.

Negli ultimi anni, l'IA e il deep learning hanno dimostrato vaste capacità nell'automatizzare l'analisi delle immagini mediche. I modelli basati sul deep learning, in particolare le CNN, eccellono nella segmentazione, rilevamento e classificazione degli^{oggetti 2}. Tuttavia, l'adozione dell'IA nella sanità è ostacolata dalla natura "scatola nera" di questi modelli. Il termine "scatola nera" si riferisce alla mancanza di trasparenza nel modo in cui un modello giunge a una conclusione specifica; Sebbene gli input e output siano noti, la logica interna e le caratteristiche specifiche utilizzate per effettuare una previsione clinica rimangono nascoste all'utente.

La motivazione per questo lavoro deriva dall'urgente necessità di strumenti affidabili per supportare la diagnosi precoce del cancro al seno, che rimane una delle principali cause di mortalità femminile a livello globale. Sebbene i modelli di deep learning siano altamente efficaci, la loro mancanza di interpretabilità limita l'integrazione negli ambienti^{clinici 3}. Il lavoro attuale colma queste lacune utilizzando EfficientNet-B0 per la classificazione ad alte prestazioni e integrando tecniche di Explainable AI (XAI), come Grad-CAM, per fornire approfondimenti visivi sul processo decisionale del modello. Bilanciando trasparenza e accuratezza, questo studio mira a sviluppare un sistema di IA affidabile che fornisca un solido supporto diagnostico ai clinici. I metodi XAI rivelano il ragionamento sottostante delle previsioni dei modelli, permettendo ai clinici di verificare i risultati e colmare il divario tra la pratica clinica e i sistemi^{automatizzati 4}. Nella classificazione dell'ecografia al seno, questa interpretabilità garantisce che le diagnosi basate sull'IA siano sia accurate che clinicamente giustificabili.

Nonostante i progressi nel deep learning, la classificazione delle immagini con ultrasuoni mammari non è priva di sfide, tra cui lo squilibrio di classe, dove classi minoritarie come i tumori maligni sono sottorappresentate, portando a modelli^{distorti 5}. La mancanza di interpretabilità nei modelli di deep learning li rende difficili da applicare nella pratica clinica, poiché i clinici richiedono decisioni trasparenti. Vincoli sul dataset, come dimensioni e diversità limitate, limitano la generalizzabilità dei modelli, mentre le caratteristiche complesse delle immagini nell'ecografia, come i bordi tumorali e la texture, sono difficili da apprendere⁶. Le soluzioni ai problemi sopra menzionati richiedono un quadro solido e interpretabile che garantisca un'elevata accuratezza con una chiara comprensione della previsione del^{modello 7}.

Lo studio mira a sviluppare un quadro di deep learning in grado di classificare le immagini ecografiche mammarie in categorie benigne, maligne e normale, migliorando la generalizzazione attraverso un aumento miro per le classi minoritarie. Il framework integra la Mappatura di Attivazione delle Classi ponderata in gradiente per fornire spiegazioni visive delle previsioni e valuta le prestazioni utilizzando accuratezza, precisione, richiamo e punteggio F1, dimostrandone l'idoneità come sistema di supporto alle decisioni cliniche interpretabile. A differenza degli studi spiegabili basati su ultrasuoni sul cancro al seno condotti in precedenza, in cui Grad-CAM viene utilizzato principalmente come visualizzazione^{post-hoc 8}, il framework proposto combina pre-elaborazione consapevole della lesione e apprendimento consapevole della classe nella fase di formazione. Le maschere di base del dataset Breast Ultrasound Images (BUSI) sono sovrapposte alle immagini ecografiche per evidenziare i confini delle lesioni e i modelli interni dell'eco durante l'estrazione delle caratteristiche, e l'aumento selettivo viene utilizzato su gruppi diagnostici minoritari per ridurre lo squilibrio nelle classi senza modificare caratteristiche estetiche clinicamente^{significative 9}. Questa combinazione di potenziamento delle lesioni guidato dalle lesioni, apprendimento per trasferimento EfficientNet-B0 e spiegabilità Grad-CAM è una combinazione che migliora la robustezza diagnostica e produce interpretazioni coerenti con la morfologia della lesione, il che giustifica l'ipotesi che il potenziamento e la spiegabilità della lesione guidati anatomicamente possano rendere affidabili e affievoli le diagnostiche del cancro al seno assistite da IA¹⁰.

L'imaging medico tradizionale tradizionale si basava tradizionalmente su metodi convenzionali di elaborazione delle immagini, incorporando filtraggio, segmentazione e operazioni morfologiche per identificare le strutture visibili per la^{diagnosi 11}. Tuttavia, questi processi richiedevano generalmente una regolazione manuale e faticavano ad adattarsi alla variabilità e complessità intrinseca delle immagini mediche. Ad esempio, l'interpretazione dell'ecografia mammaria dipendeva storicamente dall'esperienza soggettiva dei radiologi, dove l'identificazione di lesioni maligne e benigne si basava su rappresentazioni visive soggette a errori umani o interpretazioni errate.

L'avvento del deep learning ha catalizzato una rivoluzione trasformativa nell'imaging medico, principalmente attraverso l'implementazione delle Reti Neurali Convoluzionali (CNN⁾¹². Tra questi, EfficientNet-B0 rappresenta un'innovazione significativa, utilizzando un metodo di scala composta che bilancia profondità, larghezza e risoluzione della rete per ottenere calcoli altamente efficienti e accurati. Nel contesto dell'imaging a ultrasuoni senali, il modello utilizza strati convoluzionali sequenziali per apprendere automaticamente le caratteristiche gerarchiche, eliminando di fatto la necessità di estrazione manuale soggettiva delle caratteristiche e migliorando significativamente la precisione e l'affidabilità^{diagnostica 13}. Nonostante questo potenziale impressionante, il deep learning nell'imaging medico rimane un campo in evoluzione con sfide irrisolte. La qualità e la disponibilità dei dati sono fondamentali, poiché i modelli di deep learning richiedono vasti archivi di immagini annotate per garantire una generalizzazione efficace. Inoltre, la natura "scatola nera" di questi modelli pone ostacoli significativi all'accettabilità clinica; Le preoccupazioni etiche riguardo a potenziali bias nei dati di addestramento possono anche portare a previsioni diagnostiche distorte o^{discriminatorie 14}. Di conseguenza, questa ricerca richiede protocolli rigorosi di test e validazione per garantire che i modelli rimangano obiettivi e clinicamente solidi. Per affrontare queste limitazioni, gli sviluppi attuali nel deep learning si concentrano sul miglioramento dell'interpretabilità e della robustezza dei modelli. Tecniche come la mappatura di attivazione delle classi ponderata per gradiente (Grad-CAM), applicata in questo studio, permettono la visualizzazione di specifiche regioni dell'immagine che influenzano i risultati del modello, favorendo così una comprensione più profonda del comportamento del modello e supportando il processo decisionale clinico. Inoltre, le scoperte nei framework di apprendimento federato facilitano collaborazioni attente alla privacy tra istituzioni, consentendo l'uso di dati eterogenei senza la necessità di condividere dataset grezzi. Tali progressi stanno progressivamente permettendo applicazioni di deep learning più affidabili, interpretabili e imparziali nell'imaging medico, migliorando infine i criteri clinici e la cura ^{dei pazienti 15}.

L'importanza dei sistemi decisionali medici^{interpretabili è} stata evidenziata dai recenti progressi nell'intelligenza artificiale spiegabile. Framework interpretabili basati sulla fusione hanno mostrato una migliore classificazione e trasparenza grazie alla combinazione di più di una rappresentazione delle caratteristiche e più di un meccanismo di^{spiegazione 17}. Ricerche recenti hanno dimostrato un alto potenziale nell'utilizzo di modelli di deep learning insieme ai metodi XAI per aumentare la fiducia diagnostica nella diagnosi del cancro al seno e in altri compiti di previsione medica. Questi articoli sostengono la necessità di avere sia un ragionamento predittivo che interpretabile da parte dei clinici, coerente con l'obiettivo dell'attuale studio di creare un sistema di classificazione ecografica efficace e^{comprensibile 18}.

La Tabella 1 presenta la revisione della letteratura e le tecnologie esistenti.

Studio	Obiettivo	Osservazione
Humayra Afrin et al. (2023)19	Esamina le applicazioni di deep learning per la diagnosi e la prognosi dell'ecografia di massa mammaria.	La classificazione delle lesioni ha mostrato le prestazioni più elevate, con meno studi sulla prognosi.
Gelan Ayana et al. (2022)20	Rivedere i nanoportatori guidati da ultrasuoni per la chemioterapia del cancro al seno.	I nanoportatori sensibili all'ecografia migliorano la somministrazione del farmaco ma affrontano barriere fisiologiche.
Valerio Di Paola et al. (2022)21	Analizzare le tecniche di imaging per una precisa N-staging nel cancro al seno.	La risonanza magnetica e l'ecografia hanno ruoli chiave, ma i falsi positivi/negativi influenzano l'accuratezza diagnostica.
Adyasha Sahu et al. (2024)22	Propone un classificatore di deep learning in ensemble per la rilevazione del cancro al seno.	Ha raggiunto alta precisione usando AlexNet, ResNet e MobileNetV2 con LoG e high-boosting.
Alireza Rezazadeh et al.(2022)23	Sviluppa una pipeline ML spiegabile per la diagnosi del tumore al seno utilizzando immagini a ultrasuoni.	Utilizza caratteristiche di texture e ensemble di alberi decisionali per migliorare l'interpretabilità delle previsioni.
Asaf Raza et al. (2023)24	Sviluppa DeepBreastCancerNet per una rilevazione robusta del tumore al seno.	Ha raggiunto il 99,63% di accuratezza utilizzando architettura a 24 livelli con ottimizzazioni multiple.
Kiran Jabeen et al.(2022)25	Proponi un framework di deep learning utilizzando DarkNet-53 e la fusione delle caratteristiche.	Ha raggiunto una precisione del 99,1% utilizzando tecniche ottimizzate di selezione delle caratteristiche.
Gelan Ayana et al.(2022)26	Sviluppare l'apprendimento per trasferimento multistadio (MSTL) per la classificazione a ultrasuoni del tumore al seno.	Precisione migliorata utilizzando l'apprendimento di trasferimento basato su immagini mediche con EfficientNetB2, InceptionV3 e ResNet50.
Saksham Gupta et al. (2023)27	Usa ResNet50 modificato per la classificazione ecografica del cancro al seno.	Ha raggiunto una precisione del 97,8%, riducendo i tempi di diagnosi e migliorando la diagnosi precoce.
Karl Kratkiewicz et al. (2022)28	Rivedere metodi di imaging avanzati come la tomografia a ultrasuoni (UST) e la tomografia fotoacustica (PAT).	UST e PAT migliorano la rilevazione del tumore al seno con imaging quantitativo.

Tabella 1: Mostra la letteratura e la revisione delle tecnologie esistenti.

Il modello suggerito si basa sui risultati nel deep learning nella classificazione delle immagini ecografiche al seno, superando le principali sfide di questa ricerca, tra cui la qualità dei dati, l'interpretabilità di un modello e l'efficienza dei calcoli. A differenza delle vecchie tecniche, in cui si utilizza l'estrazione manuale delle caratteristiche, in questo lavoro gli autori sfruttano EfficientNet-B0, l'architettura più recente, che combina profondità, larghezza e risoluzione nel miglior schema di lavoro. Il modello utilizza Grad-CAM per visualizzare la spiegazione della sua previsione, aumentando così la trasparenza e la fiducia clinica. Sebbene le soluzioni attuali, inclusi i modelli di ensemble e l'apprendimento per trasferimento, siano diventate altamente accurate, non possono essere facilmente interpretate o potrebbero richiedere una grande quantità di potenza di calcolo. Il lavoro presentato affronta queste lacune poiché è sia altamente accurato (99) sia interpretabile per garantire che il modello sia affidabile e valido negli aspetti pratici del processo decisionale clinico. L'approccio proposto, concentrandosi sullo squilibrio tra classi e uso pratico, rappresenta un nuovo standard per la diagnosi del cancro al seno guidato dall'IA.

L'articolo utilizza un BUSI pubblicamente disponibile, un insieme precedentemente raccolto di immagini cliniche anonimizzate. Non c'erano soggetti umani diretti e animali in questo studio, e quindi non era necessario l'approvazione etica istituzionale (IRB/IACUC). Tutte le operazioni sono conformi agli standard comuni sull'uso secondario dei dati di imaging medico disponibili pubblicamente.

Protocollo

1. Caratteristiche del dataset

Lo studio ha utilizzato il dataset pubblico Breast Ultrasound Images (BUSI), che ha fornito un archivio ben documentato per l'analisi e la classificazione del cancro al^{seno 29}. Questo dataset si è rivelato particolarmente appropriato poiché incorporava una vasta collezione di immagini a ultrasuoni necessarie per stabilire e convalidare modelli di deep learning per l'imaging medico. Il dataset comprendeva 780 immagini ecografiche raccolte da 600 donne di età compresa tra i 25 e i 75 anni, rappresentando una popolazione diversificata per la diagnosi di cancro al seno. Tutte le immagini mantenevano una risoluzione media di 500 x 500 pixel e utilizzavano il formato PNG per preservare dati visivi di alta qualità per l'analisi. La Figura 1 illustra il flusso di lavoro complessivo del framework proposto, inclusi preprocessing, augmentation, estrazione di funzionalità EfficientNet-B0, classificazione e interpretabilità Grad-CAM.

Figura 1: Campioni rappresentativi dal dataset BUSI. (A) Immagini benigne, (B) maligne e (C) normali. I pannelli illustrano la diversità morfologica utilizzata per la formazione. Clicca qui per visualizzare una versione più grande di questa figura.

2. Flusso di lavoro sperimentale

Per garantire la riproducibilità, l'indagine ha eseguito la pipeline di elaborazione in fasi sequenziali. Per prima cosa, il sistema ha caricato le immagini ultrasoniche BUSI e le corrispondenti maschere di accuratezza sul terreno e le ha ridimensionate a 224×224 pixel, seguita dalla normalizzazione ImageNet. In secondo luogo, il framework sovrapponeva ogni immagine con la sua maschera per enfatizzare le regioni lesioniste prima di suddividere il dataset in sottoinsiemi di addestramento (70%), validazione (15%) e test (15%) usando campionamento stratificato. In terzo luogo, lo studio ha applicato un aumento mirato costituito da flipping orizzontale, rotazione (±15°) e colori jittering principalmente alle classi minoritarie. In quarto luogo, i ricercatori hanno perfezionato il modello EfficientNet-B0, pre-addestrato su ImageNet, sostituendo il livello finale di classificazione con uno strato di output a tre classi. Il processo di addestramento impiegava l'ottimizzatore Adam (tasso di apprendimento 0,00005), decadimento del tasso di apprendimento a passo (γ = 0,1 ogni 7 epoche), perdita di entropia incrociata, una dimensione del lotto di 8 e arresto precoce con una pazienza di 2. Infine, Grad-CAM ha generato heatmap dell'attenzione dall'ultimo strato convoluzionale per visualizzare le regioni diagnosticamente rilevanti e supportare l'interpretazione clinica. La Tabella dei Materiali elenca i dataset essenziali, le librerie software e le configurazioni hardware necessarie per riprodurre il quadro di classificazione e interpretabilità dell'ecografia mammaria dello studio.

Il dataset BUSI mostrava uno squilibrio naturale di classe, una caratteristica frequentemente osservata nei dataset medici. La distribuzione favoriva la classe benigna, seguita dai casi maligni e normali. In particolare, il dataset conteneva 487 immagini benigne, 210 maligne e 133 normali. Sebbene l'aumento dei dati abbia aumentato la variabilità dell'addestramento, non ha modificato il conteggio fondamentale del campione in ogni classe. Questa distribuzione rifletteva scenari clinici reali in cui condizioni benigne si verificano più frequentemente dei tumori maligni. Sebbene tale squilibrio rappresentasse accuratamente la prevalenza di anomalie mammarie negli ambienti clinici, presentava sfide per l'addestramento profondo, poiché poteva portare a previsioni distorte e a prestazioni subottimali per le classi minoritarie. Di conseguenza, mitigare questo squilibrio è diventato essenziale per formulare un modello efficace e generalizzabile che funzionasse in modo efficiente in ogni categoria diagnostica. La Figura 2 mostra immagini ecografiche rappresentative dal dataset, illustrando esempi di campioni di tessuto mammario benigno, maligno e normale.

Figura 2: Flusso di lavoro proposto per il modello. Pipeline sequenziale dalla preprocessing di input e sovrapposizione maschera all'addestramento EfficientNet-B0 e all'output Grad-CAM. Clicca qui per visualizzare una versione più grande di questa figura.

3. Preprocessing dei dati

Lo studio ha ridimensionato tutte le immagini a 224 x 224 pixel, rispettando le dimensioni standard di ingresso per l'architettura EfficientNet-B0. Questa ridimensionamento garantiva la coerenza del dataset e riduceva i requisiti computazionali, come definito dall'equazione 1.

     

Il framework ha normalizzato i valori dei pixel utilizzando la media e la deviazione standard del dataset ImageNet ([0,485, 0,456, 0,406] per la media e [0,229, 0,224, 0,225] per lo std). Questa normalizzazione ha scalato i dati di ingresso per migliorare la stabilità dell'addestramento e la velocità di convergenza, calcolate secondo l'equazione 2.

      

Per migliorare l'estrazione delle caratteristiche e l'identificazione delle regioni di interesse, i ricercatori hanno sovrapposto le immagini originali alle rispettive maschere di verità sul terreno. La Figura 3 illustra le maschere di lesione a base di terreno e le immagini ecografiche sovrapposte che hanno evidenziato i confini tumorali.

Figura 3: Maschera e immagini sovrapposte. (A) Ecografia originale, (B) maschera di autenticità sul terreno e (C) sovrapposizione risultante che evidenzia i confini tumorali per l'attenzione spaziale. Clicca qui per visualizzare una versione più grande di questa figura.

Questa sovrapposizione identificava regioni critiche, come margini tumorali e pattern di texture, fornendo al modello un contesto spaziale localizzato per migliorare la precisione della classificazione, come mostrato nell'equazione 3.

      

Lo studio ha utilizzato esclusivamente l'operazione di sovrapposizione maschera durante la preparazione dei dati di addestramento per integrare la conoscenza dei confini delle lesioni durante l'apprendimento delle caratteristiche. Al contrario, le fasi di validazione e inferenza impiegavano solo le immagini ecografiche originali senza mascherine, mantenendo una pipeline convenzionale di classificazione delle immagini. Poiché le maschere di segmentazione binaria nel dataset BUSI rappresentavano strutture già intrinsite nelle immagini a ultrasuoni, non introdussero nuove etichette di classe. Per prevenire la fuga di informazioni, l'indagine ha suddiviso il dataset in set di addestramento, validazione e test, assicurando che nessuna coppia sovrapposta di immagini o maschere fosse condivisa tra i sottoinsiemi. Di conseguenza, la sovrapposizione ha funzionato come una guida di attenzione spaziale che evidenziava le aree anatomicamente significative senza compromettere l'indipendenza dei dati di valutazione.

4. Potenziamento dei dati

Lo studio ha implementato un aumento dei dati mirato per mitigare lo squilibrio di classe all'interno dell'insieme di addestramento, concentrandosi specificamente sulle classi di minoranze maligne e normali. Il framework utilizzava un'ampia gamma di trasformazioni per aumentare artificialmente la variabilità dei dati di addestramento e migliorare la capacità del modello di generalizzare su diverse condizioni di imaging.

Innanzitutto, il sistema eseguiva il flipping orizzontale con una probabilità di 0,9 (90%), permettendo al modello di riconoscere le caratteristiche indipendentemente dalla direzione di scansione. Questa trasformazione seguiva l'equazione 4:

      

In secondo luogo, l'indagine ha applicato rotazioni casuali all'interno di un intervallo di ±15° per simulare variazioni negli angoli di scansione e nel posizionamento dei pazienti. Questo processo ha costretto il modello ad apprendere caratteristiche invarianti alla rotazione, come i margini tumorali e i pattern di texture, come definito dall'equazione 5:

      

In terzo luogo, i ricercatori hanno utilizzato il jittering del colore per simulare variazioni di illuminazione, contrasto e equilibrio del colore. Il sistema ha aggiustato luminosità, contrasto e saturazione di un fattore 0,2 e la tonalità di 0,1. Questi aggiustamenti stocastici migliorarono la robustezza del modello ai cambiamenti di aspetto, calcolati secondo l'equazione 6:

      

La selezione di questi specifici intervalli di iperparametri (inversione orizzontale 0,9, rotazione +15, -15, luminosità/contrasto/saturazione 0,2, tonalità 0,1) è stata il risultato di una valutazione empirica della stabilità. L'indagine ha stabilito che queste impostazioni ottimizzavano l'equilibrio tra generazione di diversità e realismo anatomico, garantendo convergenza costante e precisione di validazione senza indurre deformazioni irrealistiche delle lesioni.

5. Architettura dei modelli

Lo studio ha utilizzato EfficientNet-B0, un moderno modello CNN rinomato per la sua efficienza, scalabilità e prestazioni rispetto ad altre architetture di classificazione delle immagini. Questo modello utilizzava un metodo di scala proporzionale alla profondità, larghezza e risoluzione della rete, che permetteva un'elevata accuratezza con un numero significativamente ridotto di parametri rispetto alle architetture standard come ResNet e VGG. Questo approccio di scalabilità ha permesso al framework di gestire immagini ad alta risoluzione pur rimanendo efficiente dal punto di vista computazionale, adattandosi alle specifiche esigenze dell'imaging medico. La Figura 4 illustra l'architettura di EfficientNet-B0, evidenziando la sequenza di blocchi convoluzionali e MBConv utilizzati per l'estrazione gerarchica delle caratteristiche.

Figura 4: Architettura EfficientNet-B0. Schema dei blocchi MBConv e fattori di scaling composti utilizzati per l'estrazione gerarchica delle caratteristiche. Clicca qui per visualizzare una versione più grande di questa figura.

Per modificare EfficientNet-B0 per il compito di classificazione ecografica al seno, i ricercatori hanno introdotto aggiustamenti specifici alla struttura del modello. Il sistema ha sostituito il livello di classificazione iniziale, destinato al dataset ImageNet di 1.000 classi, con uno strato completamente connesso (denso) composto da 3 neuroni di uscita. L'indagine ha stabilito tutti i livelli della dorsale pre-allenata EfficientNet-B0 come addestrabili e li ha ottimizzati congiuntamente con il nuovo livello di classificazione, seguendo una strategia completa di fine-tuning. Il processo di addestramento non prevedeva il congelamento graduale o lo scongelamento graduale. Il framework eseguiva l'addestramento utilizzando l'ottimizzatore Adam con un tasso di apprendimento di 0,00005 e uno scheduler a tasso di apprendimento a passo che riduceva il tasso di un fattore 0,1 ogni 7 epoche. Questi neuroni corrispondevano alle tre classi target all'interno del dataset BUSI: benigni, normali e maligni. Il modello utilizzava un'attivazione SoftMax sul livello di output, trasformando i punteggi grezzi in distribuzioni di probabilità, come calcolato nell'equazione 7. La Tabella 2 mostra la descrizione dell'architettura del modello.

      

Tipo di Layer	Descrizione
Livello di ingresso	Accetta immagini di dimensioni 224 x 224 x 3
Strati convoluzionali	Include blocchi di convoluzione iniziale e MBConv per l'estrazione delle caratteristiche.
Aggregazione Media Globale	Riduce le dimensioni spaziali a un vettore di caratteristiche 1D.
Livello completamente connesso	Mappare il vettore caratteristico a 3 neuroni di uscita (normale, benigno, maligno).
Attivazione SoftMax	Converte logit in probabilità per la classificazione multiclasse.

Tabella 2: Mostra la descrizione dell'architettura del modello.

I parametri utilizzati per addestrare il modello erano l'ottimizzatore Adam, un tasso di apprendimento iniziale di 0,00005 e la perdita categorica di entropia incrociata (tre classi), calcolata matematicamente secondo l'equazione 9. I pesi pre-addestrati di ImageNet sono stati utilizzati per inizializzare EfficientNet-B0, e il completamento è stato addestrato, e tutti gli strati della backbone sono stati addestrati senza essere applicato alcun congelamento a stadi. Il classificatore iniziale è stato sostituito con uno strato completamente connesso e tre neuroni di uscita e infine con l'attivazione SoftMax, che rappresentava le classi benigne, maligne e normale. Le immagini sono state ridimensionate a 224 x 224 pixel, poi normalizzate tramite media e deviazione standard di ImageNet e caricate in mini-lotti da 8. Un programmatore a tasso di apprendimento a passi riduceva il tasso di apprendimento di 0,1 ogni 7 epoche. La perdita di validazione veniva usata per fermarsi precocemente con pazienza di 2 epoche per evitare il sovrafitting. Le attivazioni Grad-CAM sono state prodotte sulla base dell'ultimo strato convoluzionale calcolando gradienti, pooling media globale per ottenere pesi dei canali e ampliando le mappe di attivazione alla risoluzione degli input.

Per confermare tale stabilità, l'addestramento veniva ripetuto su diverse esecuzioni con prestazioni di validazione Matching (Matching valid). Il monitoraggio delle curve di perdita di addestramento e validazione è stato utilizzato per identificare l'overfitting e un set di test stratificato di hold-out non dipendeva dall'addestramento è stato utilizzato per eseguire la valutazione finale. La differenza tra la performance di validazione e quella del test è piccola, il che mostra convergenza coerente e riproducibilità di ottimizzazione. L'equazione 10 definisce un programma di apprendimento a gradi. L'equazione 15 indica due aumenti consecutivi della perdita di validazione, indicando un possibile sovrafitting.

      

      

      

      

      

      

      

EfficientNet-B0 è particolarmente flessibile per il compito di classificazione dell'ecografia mammaria, poiché l'architettura include diversi aspetti architettonici innovativi che consentono efficienza e rapidità dell'architettura. La parte centrale è il MBConv, che unisce convoluzioni separabili in profondità con moduli di compressione e eccitazione per fornire una complessità computazionale inferiore senza perdita di accuratezza. Il modello supporta anche una scalatura di composti che scala profondità, larghezza e risoluzione in modo uniforme per avere prestazioni ottimali in ogni tipo di vincolo di risorse, e il modello è anche task agile, che viene ricavato matematicamente come nella seguente equazione 8. Il modello contiene già pesi addestrati sul dataset ImageNet e quindi può essere trasferito per imparare e, in misura significativa, non è necessario addestrare il modello su piccoli dataset medici. Questa combinazione di funzionalità di alto livello, così come l'ambiente di addestramento personalizzato, che contiene anche le modifiche al livello finale di classificazione, l'uso dell'ottimizzatore Adam, dello scheduler della velocità di apprendimento e dell'arresto anticipato, garantisce che il modello sia altamente accurato, ma allo stesso tempo efficiente dal punto di vista computazionale. Questa combinazione di inventiva architettura e approcci formativi permetterà al modello di apprendere in modo efficiente basandosi sulle scarse informazioni di imaging medico e quindi si rivelerà uno strumento utile nella categorizzazione dell'ecografia al seno.

Algoritmo 1: Classificazione delle immagini con ecografia mammaria utilizzando EfficientNet-B0 e Grad-CAM

Input: immagini ecografia al seno.
Output: Classificazione (normale, benigno, maligno) e mappe di calore Grad-CAM.
1. Preprocessare immagini:
Ridimensiona a 224×224224×224.
Normalizzare usando la media e la std di ImageNet.
Aggiungi flipping, rotazione e vibrazioni del colore.
2. Inizializzare il modello:
Load EfficientNet-B0 (pre-addestrato, escludere lo strato superiore).
Aggiungi Global Average Pooling e uno strato denso (3 neuroni, SoftMax).
3. Modello del treno:
Ottimizzatore: Adam (tasso di apprendimento = 0,00005).
Perdita: Entropia incrociata.
Allenarsi per 18 epoche con fermate anticipate (pazienza = 2).
4. Visualizzazione Grad-CAM:
Calcola i gradienti della classe target.
Genera e sovrapponi heatmap alle immagini di input.

L'algoritmo fornisce il flusso di lavoro per classificare le immagini ecografiche al seno con EfficientNet-B0 e Grad-CAM, inclusi preprocessing, training e inference del modello, oltre alla mappa di calore interpretabile per la validazione clinica.

6. Grad-CAM come IA spiegabile

Uno strumento potente utilizzato nello studio è in grado di aggiungere interpretabilità al modello di deep learning, la Mappatura di Attivazione delle Classi ponderata in gradiente. Considerando una soluzione all'attuale urgente necessità di XAI nell'imaging clinico, il metodo impiega Grad-CAM per consentire ai clinici di comprendere intuitivamente il processo decisionale del modello avvenuto tramite mappe di calore visivamente spiegabili attorno alle aree più significative di un'immagine utilizzata nella previsione del modello. Tale convergenza di interpretabilità sarà fondamentale per costruire fiducia nei sistemi di IA, in particolare in quelli ad alto rischio come la sanità, dove responsabilità e trasparenza sono essenziali. La Figura 5 presenta heatmap Grad-CAM che evidenziano le regioni dell'immagine che hanno maggiormente influenzato le previsioni del modello per casi benigni, maligni e normali.

Figura 5: Mappe di calore di attivazione Grad-CAM. (A) Casi benigni, (B) Maligni e (C) Casi normali. I colori caldi (rosso) indicano un'alta influenza diagnostica; I colori freddi (blu) indicano una minore attenzione. Clicca qui per visualizzare una versione più grande di questa figura.

Tutte le immagini Grad-CAM sono mostrate oltre all'immagine di input che è stata fornita al modello. La Figura 5 mostra l'immagine ecografica originale e l'immagine in input del modello per garantire che le regioni di attenzione stretta siano direttamente correlate all'input processato considerato nella previsione. Per ottenere importanza canale per canale, Grad-CAM viene utilizzato per calcolare gradienti della classe prevista utilizzando le feature map dello strato convoluzionale finale. Questi gradienti vengono mediati a livello mondiale per ottenere i coefficienti di pesatura e poi moltiplicati con le rispettive mappe di caratteristiche per produrre una mappa di calore di localizzazione (equazioni 16 e 17). La mappa termica viene poi sovrapposta alla risoluzione di ingresso e sovrapposta all'immagine ecografica per indicare aree di interesse diagnostico (cioè, margini tumorali, cambiamenti di texture, ecc.) nell'immagine. Questa visualizzazione offre una comprensione spaziale delle aree utilizzate per effettuare la previsione nel modello. Questo articolo misura l'interpretabilità tramite analisi visiva della localizzazione dell'attenzione. Non hanno incluso misure quantitative di localizzazione e valutazione basata sul clinico, che restano ancora preziose vie per la futura validazione della rilevanza clinica.

      

      

Grad-CAM fornisce previsioni su come un modello funziona visivamente evidenziando le aree di un'immagine che hanno contribuito alla previsione. Le heatmap possono essere utilizzate per confermare che la rete si concentra su strutture clinicamente rilevanti che includono margini tumorali e pattern acustici. Nei falsi allarmi, le visualizzazioni possono aiutare a notare la concentrazione su aree irrilevanti, facilitando la valutazione e l'ottimizzazione del modello. Tale corrispondenza tra le caratteristiche mediche e l'attenzione del modello migliora l'interpretabilità della diagnosi assistita dall'IA. La Figura 6 mostra la visualizzazione GradCAM.

Figura 6: visualizzazione GradCAM. Heatmap Grad-CAM che mostra le regioni importanti (rosso = alto, blu = basso) per la classificazione; L'intensità del colore indica l'importanza delle caratteristiche. Clicca qui per visualizzare una versione più grande di questa figura.

Grad-CAM viene aggiunto per aumentare l'interpretabilità del modello EfficientNet-B0 evidenziando le regioni dell'immagine che contribuiscono al massimo alle scelte di classificazione. Le heatmap risultanti indicano strutture clinicamente significative dei margini tumorali e i cambiamenti di texture, facilitando un'analisi chiara delle previsioni del modello. Questa elevata accuratezza nella classificazione e interpretabilità visiva rendono questo quadro proposto più solido in termini di affidabilità nell'analisi delle immagini ecografiche al seno.

7. Analisi statistica

Il modello viene valutato su un ampio insieme di metriche, come la precisione, come misura dell'accuratezza delle previsioni positive; ricordare, come misura dell'efficacia del modello nell'identificare tutti i casi rilevanti; e il punteggio F1, la media armonica di precisione e richiamo, che fornisce una misura equilibrata della performance complessiva calcolata matematicamente secondo le equazioni 18–21.

      

      

      

      

L'Errore Assoluto Medio (MAE) quantifica la differenza assoluta media tra previsioni e valori veri, calcolata matematicamente secondo l'equazione 22.

      

L'Errore Quadratico Medio Radice (RMSE) misura la deviazione media delle previsioni dai valori veri, calcolata matematicamente secondo l'equazione 23.

      

L'Errore Assoluto Medio (MAE) quantifica la differenza assoluta media tra previsioni e valori veri, calcolata matematicamente secondo l'equazione 24.

      

La matrice di confusione viene utilizzata per fornire una suddivisione dettagliata dei veri positivi, veri negativi, falsi positivi e falsi negativi per classe, fornendo ulteriori informazioni su come il modello classifica^{il 30}. Queste misure di valutazione combinate forniscono una valutazione complessiva dell'errore del modello, della forza e della generalizzazione su dati non osservati e quindi la rendono uno strumento affidabile per classificare le immagini di un'ecografia al seno. La disponibilità di maschere lesioniste nel dataset BUSI implica che in futuro possano essere introdotte misure quantitative di localizzazione, ad esempio l'intersezione sull'unione, per valutare oggettivamente l'accuratezza della spiegazione. La validazione stratificata del hold out era stata scelta per preservare l'indipendenza tra i sottoinsiemi di addestramento e valutazione che mantenevano la distribuzione delle classi. Il motivo per cui non si utilizza la validazione incrociata era evitare l'esposizione ripetitiva dei campioni di validazione al processo di ottimizzazione, ma in studi futuri verrà utilizzata la validazione ripetuta o incrociata per determinare ulteriormente le variazioni nelle prestazioni.

Risultati

La standardizzazione delle dimensioni di ingresso a 24 x 224 pixel e la normalizzazione basata su ImageNet hanno facilitato un comportamento di addestramento stabile e una convergenza fluida delle curve di perdita. L'applicazione dell'operazione di sovrapposizione mascherina su campioni di addestramento ha aumentato significativamente la visibilità dei confini delle lesioni rispetto alle immagini a ultrasuoni grezze. Questa osservazione ha supportato l'ipotesi che il miglioramento guidat...

Discussione

Il framework proposto utilizza un'architettura EfficientNet-B0 finemente calibrata integrata con la mappatura di attivazione delle classi ponderata per gradiente (Grad-CAM) per fornire un sistema ad alte prestazioni e interpretabile per la classificazione dell'ecografia mammaria. Questa ricerca fa progredire il campo scientifico colmando il divario tra i modelli di deep learning "black-box" e la trasparenza clinica, dimostrando che l'efficienza computazionale non deve essere sacrificata ...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Immagini ad ultrasuoni del seno (dataset BUSI)		N/A	780 immagini PNG (487 Benigne, 210 Maligne, 133 Normali)
Matplotlib	Sviluppatori Matplotlib	N/A	Versione 3.7.1
NumPy	Sviluppatori NumPy	N/A	Versione 1.23.5
NVIDIA Tesla T4 GPU	NVIDIA	N/A	16GB VRAM
OpenCV	OpenCV.org	N/A	Versione 4.7.0
Pillow (PIL)	Python Imaging Library	N/A	Versione 9.4.0
Python	Python Software Foundation	N/A	Versione 3.9.12
PyTorch	Meta AI	N/A	Versione 2.0.1+cu117
Scikit-learn	Sviluppatori Scikit-learn	N/A	Versione 1.2.2
Seaborn	Sviluppatori Seaborn	N/A	Versione 0.12.2
Ubuntu OS	Canonical	N/A	64-bit