技术摘要：Taxlifier

问题陈述

胸部 X 线（CXR）图像中胸部疾病的准确且高效的分类对于及时诊断至关重要。然而，自动化系统面临着显著挑战，因为存在多种具有重叠视觉特征的病理类型，以及复杂的层级化医学分类法。传统的多元标签分类方法（如 One-vs-All, OVA）通常将标签视为独立个体，忽略了类别之间的依赖关系。这种“扁平化分类”方法无法捕捉医学诊断中固有的条件关系（例如，子类病理如“实变/consolidation”暗示了父类病理如“肺混浊/lung opacity”的存在）。此外，疾病层级中的叶节点往往面临正样本稀缺的问题，导致标准模型出现负类偏差（negative class bias）。虽然层级分类在文本处理和基因组学领域已有研究，但在医学影像领域应用分类学信息来解决多类问题方面的研究仍较为缺乏。

方法论

本文提出了 Taxlifier，一个引入了两种新型层级化多元标签分类技术的框架，旨在利用疾病分类学关系。这两种方法都利用了一个预定义的图结构 $G = \{C, E\}$，该结构表示胸部病理之间的父子关系。

1. 基于 Logit 的方法（后处理）

该方法适用于无法获取地面真值（ground truth）或重新训练计算成本过高的场景。它在推理阶段调整预训练神经网络（如 DenseNet121）的预测概率，而无需修改模型架构。

• 机制： 该方法根据父类 $c_j$ 的 logit 输出，计算子类 $c_k$ 的条件预测概率。
• 公式： 更新后的概率 $\hat{p}^{(i)}_k$ 通过使用原始 logit $q^{(i)}_k$ 结合来自父类 logit $q^{(i)}_j$ 的加权贡献来推导：
  $$\hat{p}^{(i)}_k = \frac{1}{1 + \exp(-(q^{(i)}_k + \alpha_k q^{(i)}_j))}$$
  其中 $\alpha_k$ 是控制父类影响力的超参数。
• 优化： 超参数 $\{\alpha_k\}$ 使用树结构 Parzen 估计器（TPE）进行调优，以最小化验证集上的目标函数 $1 - \text{AUC}$。

2. 基于 Loss 的方法（训练阶段）

该方法通过一种新型正则化项，将层级信息直接整合到模型的优化过程中。

• 机制： 该方法不是在事后调整输出，而是在训练期间惩罚预测值与标签分类法之间的不一致性。它根据父类的损失值来更新子类的损失值。
• 公式： 更新后的损失 $\hat{l}^{(i)}_k$ 计算如下：
  $$\hat{l}^{(i)}_k = l^{(i)}_k \cdot H(k|j)$$
  其中 $H(k|j) = \alpha_k l^{(i)}_j + \beta_k$。这里 $l^{(i)}_j$ 是父类的损失，$\alpha_k$ 和 $\beta_k$ 是平衡父类损失影响力的超参数。
• 概率更新： 为了避免重新运行完整的优化过程，论文推导了一种方法，利用二元交叉熵和 sigmoid 函数的梯度，直接从修改后的损失值更新预测概率：
  $$\hat{p}^{(i)}_k = \begin{cases} \exp(-\hat{l}^{(i)}_k) & \text{若 } p^{(i)}_k > \theta_k \text{ 且 } p^{(i)}_j > \theta_j \\ 1 - \exp(-\hat{l}^{(i)}_k) & \text{否则} \end{cases}$$
• 优化： 超参数 $\{\alpha_k, \beta_k\}$ 使用 TPE 进行优化以最大化 AUC。

实验设置

这些技术在三个大规模公开数据集上进行了评估：CheXpert（224,316 幅图像）、PADCHEST（160,000 幅图像）和 NIH（112,120 幅图像）。通过合并这些数据集的现有分类法，构建了一个统一的分类法，重点关注 18 种常见病理。基准模型是经过这些数据集微调的 DenseNet121。性能衡量指标包括准确率（Accuracy）、AUC、F1 分数以及综合统计指标（Cohen's Kappa、t-统计量、贝叶斯因子）。

核心贡献

1. 基于 Loss 的技术： 引入了一种新型的层级正则化项，将标签层级直接纳入训练损失函数，从而惩罚与分类法不一致的情况。
2. 基于 Logit 的技术： 提出了一种计算高效的后处理方法，根据类别关系调整神经网络的 logit，从而在无需大规模重新训练的情况下实现对分类学知识的利用。
3. 全面评估： 在三个不同的、大规模的 CXR 数据集上展示了持续的性能提升。
4. 可解释性： 层级结构提供了更具可解释性的输出，允许临床医生在不同粒度（父类 vs 子类）上理解预测结果。

结果

实验结果表明，与基准方法相比，这些技术在各种病理类型上均有显著改进，特别是对于层级中的子节点：

• 准确率： 与基准相比，基于 logit 的方法和基于 loss 的方法分别提高了 12% 和 11% 的准确率。
• AUC： 观察到 13%（基于 logit）和 10%（基于 loss）的提升。
• F1 分数： 这些方法带来了实质性的收益，提升幅度分别为 24%（基于 logit）和 12%（基于 loss）。
• 统计显著性： 统计分析（t-检验、贝叶斯因子）证实，这些改进（特别是基于 logit 的方法）在大多数病理类型（如肺不张、水肿、心扩大）上均具有统计学意义。基于 loss 的方法表现出更高的方差，但在特定案例中取得了卓越性能（例如，肺病灶 F1 分数从 0.094 增加到 0.982）。
• 父类： 正如预期，父类（如“肺混浊”、“心影扩大”）的性能与基准保持一致，因为这些技术专门针对基于父类关系的子类预测进行精细化处理。

重要性与主张

论文声称，整合领域特定的层级知识可以显著增强计算机辅助诊断（CAD）系统在胸部 X 线摄影中的准确性和可解释性。通过摒弃“扁平化”分类，所提出的方法解决了医学层级数据中常见的负类偏差问题，并为检测复杂的多元标签胸部疾病提供了一个更稳健的框架。

作者强调，基于 logit 的方法由于其计算效率高且无需重新训练模型，在实际部署中具有实用优势，使其能够适应资源有限的场景。基于 loss 的方法则在学习阶段提供了更深层次的层级集成。

研究结论认为，这些技术代表了医学影像中多元标签分类领域的重要贡献，有望减少诊断错误并简化临床工作流。然而，作者也谦虚地承认了局限性，指出其有效性取决于分类学的质量和数据集的标注，并且将这些方法应用于新领域需要由领域专家开发特定的分类学结构。