BreastMammo and DenseMammo: Benchmarks for Mammography Domain Generalization

想象一个医生拥有一副超级力量眼镜的世界，这副眼镜可以看穿人体，在危机发生前发现问题。这就是人工智能（AI）在医学领域的承诺，特别是在观察乳房摄影（一种特殊的乳腺 X 线影像）方面。多年来，科学家们一直在训练这些 AI “眼镜”来识别乳腺癌，但他们遇到了一个令人沮丧的障碍。你看，每家医院使用的 X 线机都不一样，来自不同的公司，就像每种品牌的相机拍摄的照片颜色和光影略有不同一样。在一个品牌照片上训练出的 AI，在看到另一个品牌的照片时往往会感到困惑。这就像教学生只通过一种特定的艺术风格来识别猫，当给他们看另一种风格的照片时，他们可能无法意识到那是同一只猫。这种困惑被称为“领域偏移”（domain shift），这是一个巨大的问题，因为这意味着在一个医院表现完美的 AI，到了下一家医院可能会失效，从而导致漏诊。

这篇论文介绍了一种巧妙的新方法来解决这种困惑。研究人员创建了两个全新的乳房摄影数据集，分别命名为 BreastMammo 和 DenseMammo，它们充当了一个巨大的、多样化的 AI 练习测试。但真正的魔力不仅在于数据，还在于他们发明的一种新技术，旨在教 AI 如何忽略“相机风格”而只关注“猫”。他们称之为仅前景直方图匹配（foreground-only histogram matching）。你可以把它想象成一个照片编辑器，它准确地知道图像中哪些部分是实际的乳腺组织，哪些部分只是空旷的黑色空间。与其尝试修复整个图像（包括无用的黑色背景），不如只调整组织本身的亮度和对比度，使其符合标准外观。通过这样做，无论哪种机器拍摄，AI 都能学会识别组织的形状和纹理。结果令人鼓舞：当他们在从未见过的医院数据上进行测试时，该 AI 在识别致密组织以及区分良性和恶性病例方面表现得更好，超越了其他试图解决该问题的流行方法。

问题所在：“相机滤镜”问题

想象一下，你正在试图教一个机器人识别苹果。你给它看成千上万张在阳光明媚的厨房里拍摄的红苹果照片。机器人学得非常完美。但随后，你把它带到了另一个光线昏暗且发黄的厨房，那里的苹果看起来是橙色的。机器人惊慌失措：“这是苹果吗？”它问道，“这看起来不像我认识的那些苹果！”

在乳房摄影的世界里，情况正是如此。医院使用不同的 X 线机（来自 GE、Hologic 或 Siemens 等供应商），每台机器处理图像的方式略有不同。有的机器会让组织看起来非常明亮且高对比度，而有的则会让它看起来更柔和、更灰暗。如果一个 AI 模型仅在一家或两家医院的数据上进行训练，它就会把这些机器的“风格”与实际的疾病联系起来。如果你将该模型发送到一台拥有不同机器的第三家医院，它就会感到困惑。论文称之为领域偏移。这是一个主要障碍，因为这意味着我们不能仅仅构建一个“完美”的 AI 并到处使用它；我们需要一种方法让 AI 对这些相机差异免疫。

新数据：一个庞大的练习库

为了解决这个问题，研究人员首先需要更好的练习材料。他们引入了两个新的数据集：

1. BreastMammo：这是由 447 名患者 的 894 幅图像 组成的集合。这些是“诊断性”图像，意味着它们是在患者已经出现症状或肿块时拍摄的。每位患者都有一个乳房的两个视图（俯视图和侧视图）。图像标记了肿块是良性（无害）还是恶性（癌症），并且包含了患者的乳腺密度类别。
2. DenseMammo：这是一个更大的“筛查”数据集，包含来自 620 名患者 的 2,480 幅图像。这些是针对没有症状的人进行的常规检查。这里的每位患者都有一套完整的四个视图（双侧乳房，每个角度两个视图）。

这两个数据集都经过精心策划，带有专家标注的乳腺密度（类别 A 到 D），并可供其他科学家使用。目标是创建一个标准化的“测试赛道”，让所有人都能在相同的规则下竞赛他们的 AI 模型。

解决方案：“仅组织”过滤器

研究人员意识到，以往修复“相机风格”问题的尝试都犯了错误。有些方法试图将不同图像的“特征”混合在一起，这就像混合颜料来创造一种新的色调。问题在于，这可能会不小心模糊掉组织纹理中微小且重要的细节。其他方法试图更换图像的“频率”（就像调节歌曲的低音和高音一样），但这往往会弄乱背景，在 X 线的黑色空隙部分添加奇怪的噪声。

该团队提出了一个新方法：仅前景直方图匹配。

它是如何工作的，我们可以用一个简单的类比：
想象你有一张印在纸上的黑白森林照片（乳腺组织）。这张纸周围有一个巨大的黑边（X 线的空隙空间）。

• 旧方法 试图调整整张纸的亮度，包括黑边。这是错误的，因为黑边只是空隙；改变黑边并不能帮你更好地看清树木，甚至可能让树木看起来很奇怪。
• 新方法 在黑边上放了一个遮罩。它说：“忽略这部分。我们只关心树木。”然后，它只查看“仅树木部分”的“直方图”（显示暗像素、亮像素及中间像素数量的图表）。然后，它调整源照片中树木的亮度，使其与参考照片中树木的亮度相匹配。

至关重要的是，他们不仅仅是交换风格；他们还创建了一个平滑的梯度。他们生成新的“合成”图像，这些图像是原始图像与新风格的混合体。他们为每张图像创建四个版本，以 25%、50%、75% 和 100% 的比例进行风格融合。这教会了 AI，同样的组织根据机器的不同可能会看起来略有不同，但它仍然是同一种组织。

结果：有效吗？

研究人员使用一种强大的 AI 模型——Swin Transformer 测试了他们的系统。他们运行了两类测试：

1. 内部测试（练习赛）
他们在自己的新数据集（BreastMammo 和 DenseMammo）上训练 AI，并使用五折交叉验证（一种确保模型不是仅仅靠死记硬背来确保严谨性的方法）在相同数据上检查其表现。

• 结果： Swin Transformer 模型在 DenseMammo 数据集的密度分类任务中达到了 98.32% 的峰值 AUC。这是一个非常高的分数，表明当 AI 熟悉数据时，它在执行该任务方面极其出色。
• 他们还发现，使用高分辨率图像（512x512 像素）与标准尺寸（224x224）相比并没有带来太大帮助，这可能是因为 AI 本身就是基于标准尺寸进行训练的。

2. 外部测试（现实世界挑战）
这是最重要的部分。他们将使用其数据训练的 AI 用于测试来自其他医院的两个完全不同的数据集：TNMammo 和 LUMINA。这些数据集使用了不同的机器和不同的风格，代表了“领域偏移”问题。

• 没有使用该方法时： AI 表现挣扎。在 TNMammo 上，AUC 为 83.46%。在 LUMINA 上，AUC 为 81.72%。
• 使用该方法后： AI 显著提升。在 TNMammo 上，AUC 跳升至 86.38%。在 LUMINA 上，上升至 86.13%。
• 对比： 他们将自己的方法与其他流行技术（如混合特征的 MixStyle 和交换频率模式的 DFT）进行了比较。他们的“仅前景”方法始终优于这些方法。

为什么这很重要

论文指出，通过严格专注于组织并忽略空白背景，AI 学习到了一种能够跨越不同机器观察乳房的“通用”方式。作者认为，试图修复整个图像（包括背景）会引入噪声和混乱，而他们的针对性方法则保留了诊断所需的细腻纹理。

归根结底，这不仅仅是为了在测试中获得更高的分数。这是为了构建可以在世界任何地方、任何医院都能被信任的 AI。如果 AI 可以学会忽略“相机滤镜”而专注于“猫”，它就能帮助世界各地的医生更早、更准确地检测出乳腺癌，无论他们使用的是什么样的设备。研究人员已将其数据和代码向公众开放，希望这种“仅组织”的小技巧能成为构建更好、更可靠医疗 AI 的标准工具。