Learning Coarse-to-Fine Osteoarthritis Representations under Noisy Hierarchical Labels

以下是 Tongxu Zhang 所著论文《在噪声层次标签下学习从粗到细的骨关节炎表征》的详细技术总结。

1. 问题陈述

膝关节骨关节炎（OA）评估在医学图像分析中面临独特挑战，这源于其临床标签的特性：

• 层次结构： OA 评估天然遵循从粗到细的层次结构。它始于一个粗粒度的二值决策（存在 OA 与不存在 OA），随后通过 Kellgren–Lawrence（KL）系统（0–4 级）推进到细粒度的有序严重程度分级。
• 标签噪声与不确定性： KL 分级是半定量、有序的，且存在显著的观察者间和观察者内变异性，使其成为一个噪声目标。相反，二值 OA 标签更为稳定，但缺乏结构细节。
• 当前局限性： 现有的深度学习方法通常将这些任务视为独立的、分离的分类任务（要么是二值 OA，要么是多类 KL）。这种分离未能利用互补的监督信号：粗粒度标签的稳定性与细粒度标签的结构细节。此外，仅针对噪声 KL 标签进行优化可能会迫使模型从模糊的边界中学习，而仅基于二值标签的训练则会压缩细微的严重程度变化。

核心问题： 临床标签层次结构本身能否作为一种表征层面的监督先验，将潜在空间组织成结构化的、从粗到细的疾病表征，而不仅仅是提升标量预测指标？

2. 方法论

作者提出了一种刻意简化的双头架构，旨在在不引入复杂架构变更的情况下，探究层次化监督的效果。

• 架构：

  • 共享编码器： 骨干网络（3D ResNet、M3T Transformer 或 nnMamba）提取特征 $z = f_\theta(x)$。
  • 双头： 两个并行的特定任务头连接至共享编码器：
    1. OA 头： 预测二值 OA 标签（$y_{OA} \in \{0, 1\}$）。
    2. KL 头： 预测有序 KL 分级（$y_{KL} \in \{0, 1, 2, 3, 4\}$）。
  • 训练目标： 总损失是二值交叉熵（用于 OA）和标准交叉熵（用于 KL）的加权和：
    $$L = \lambda_{OA} L_{OA}(\hat{y}_{OA}, y_{OA}) + \lambda_{KL} L_{KL}(\hat{y}_{KL}, y_{KL})$$
  • 层次定义： 二值 OA 标签由 KL 分级导出（$y_{OA} = \mathbb{I}(y_{KL} \geq 2)$），确立了严格的层次关系。

• 实验设计：

  • 数据集： OAIZIB-CM（膝关节 MRI），包含 383 名训练受试者和 98 名测试受试者。
  • 对比： 该研究在三种不同的 3D 骨干网络上比较了三种设置：
    1. Single-OA： 仅二值头。
    2. Single-KL： 仅 KL 头。
    3. Dual-Head： 两个头同时训练。
  • 评估指标：
    • 预测性能： AUC、准确率、F1 分数。
    • 潜在几何结构： 主成分分析（PCA），用于测量第一主成分（PC1）与严重程度的对齐程度（Spearman 相关系数 $\rho(PC1, KL)$）以及 KL 类质心的单调性。
    • 解剖学合理性： 显著性 - 软骨重叠（mass@ROI, top1@ROI, Dice@5/10），以验证模型是否聚焦于临床相关的软骨区域。

3. 主要贡献

1. 公式化： 将膝关节 OA 评估重新表述为层次化表征学习问题，将粗/细标签结构视为潜在空间组织的归纳偏置。
2. 表征探测： 利用简单的双头模型系统地证明，层次化监督可以重塑疾病表征，而不仅仅是提高分类分数。
3. 超越准确率： 引入了一个多面评估框架，结合了配对统计检验、潜在严重程度轴几何分析以及解剖学合理性检查（显著性重叠）。
4. 架构依赖性： 提供了证据表明，层次化监督的益处是依赖于骨干网络的，突显了并非所有架构都能同等地响应这种归纳偏置。

4. 关键结果

• 预测性能：
  • ResNet3D： 与 Single-OA 相比，双头模型在二值 OA 指标上无显著改进，但与 Single-KL 相比，在 KL 分级上取得了统计学显著的增益（Macro-AUC +0.12，准确率 +0.21，Macro-F1 +0.21）。
  • M3T： 双头模型显著提高了 OA 的 AUC，并在 KL 指标上显示出适度增益。
  • nnMamba： 未显示出显著增益，甚至出现轻微下降，表明该益处并非普遍适用。
• 潜在几何结构（严重程度轴）：
  • 对于 ResNet3D 和 M3T，双头方法诱导出的潜在空间中，主轴（PC1）与 KL 严重程度和 OA 状态均呈强相关。KL 类质心以更有序、单调的方式排列。
  • 对于 nnMamba，双头设置导致 PC1 与 KL 标签之间呈负相关，表明潜在组织与临床层次结构未对齐。
• 解剖学合理性：
  • 与单任务对应模型相比，ResNet3D 和 M3T 的双头模型表现出与软骨区域更强的显著性重叠。这表明层次化监督有助于模型聚焦于临床相关的解剖结构。
  • nnMamba 在双头监督下软骨重叠度下降，与其缺乏性能增益的情况一致。

5. 意义与结论

• 归纳偏置： 本研究证明，层次化监督是一种强大的结构先验。它通过将细粒度严重程度的学习锚定在稳健的粗粒度信号上，从而稳定了学习过程，防止模型坍缩为单一的疾病存在轴，或迷失在噪声有序边界中。
• 可解释性： 该方法不仅提高了“黑盒”准确率，还提升了模型的可解释性。更好的表征与更强的解剖学对齐（聚焦于软骨）相关，这对于临床信任至关重要。
• 架构敏感性： 一个关键的结论是，层次化监督并非“放之四海而皆准”的解决方案。其有效性高度依赖于骨干网络利用共享表征的能力。
• 未来方向： 这项工作表明，未来的医学图像分析应超越扁平分类基准，在设计针对噪声、层次化临床标签的训练策略时，考虑潜在空间的几何组织和解剖学合理性。