簡(jiǎn)介本資源是面向醫(yī)學(xué)AI研究者、計(jì)算機(jī)視覺(jué)初學(xué)者及高校課程實(shí)踐者的高精度乳腺癌病理圖像分類訓(xùn)練集專為構(gòu)建可落地的智能輔助診斷模型而設(shè)計(jì)。數(shù)據(jù)集包含691個(gè)文件689張經(jīng)專業(yè)醫(yī)生復(fù)核標(biāo)注的256×256 JPG病理圖像涵蓋cancer與normal二分類、1個(gè)開(kāi)箱即用的Python可視化腳本支持類別分布、樣本網(wǎng)格、尺寸統(tǒng)計(jì)等分析以及1個(gè)結(jié)構(gòu)清晰的JSON標(biāo)簽映射文件壓縮包僅8.79MB輕量高效。目前已有68人學(xué)習(xí)下載適用于學(xué)術(shù)論文實(shí)驗(yàn)、Kaggle式課程項(xiàng)目或初創(chuàng)企業(yè)原型開(kāi)發(fā)。目錄嚴(yán)格按訓(xùn)練集/驗(yàn)證集分層同類圖像歸入同一子目錄兼容PyTorch、TensorFlow及YOLO系列框架附贈(zèng)腳本可一鍵探查數(shù)據(jù)質(zhì)量顯著提升數(shù)據(jù)增強(qiáng)策略制定與模型調(diào)優(yōu)效率。1. 項(xiàng)目起源為什么聚焦乳腺癌病理圖像分類1.1 粉紅絲帶背后尚未被滿足的真實(shí)需求第一次接觸粉紅絲帶項(xiàng)目時(shí)我正在做醫(yī)學(xué)圖像方向的算法調(diào)研。團(tuán)隊(duì)討論的初始目標(biāo)很直接構(gòu)建一套高精度的乳腺癌病理圖像分類訓(xùn)練集配合AI模型完成輔助診斷。后來(lái)真的跑起來(lái)才發(fā)現(xiàn)這個(gè)問(wèn)題的難度遠(yuǎn)超自然圖像分類。先說(shuō)一個(gè)背景粉紅絲帶是全球乳腺癌防治的公認(rèn)標(biāo)志。很多城市每年10月都會(huì)開(kāi)展公益活動(dòng)呼吁女性定期篩查。大眾對(duì)乳腺癌的認(rèn)知往往停留在拍個(gè)鉬靶、做個(gè)超聲但實(shí)際上病理檢查才是確診的金標(biāo)準(zhǔn)。病理醫(yī)生拿到組織切片在顯微鏡下觀察細(xì)胞形態(tài)、排列方式、核異型性然后給出良惡性判斷、分級(jí)分型。這個(gè)過(guò)程依賴高倍鏡下的觀察經(jīng)驗(yàn)工作量大、主觀性強(qiáng)不同醫(yī)生之間的判讀一致性也不是百分之百。AI能切入的正是這個(gè)環(huán)節(jié)。我的定位很明確不做臨床診斷本身而是把數(shù)字化病理切片WSI全切片圖像切成可訓(xùn)練的patch構(gòu)建一個(gè)標(biāo)注準(zhǔn)確、分布合理、能支撐高精度分類模型的訓(xùn)練集。這套訓(xùn)練集既要解決能不能分的問(wèn)題也要解決分得準(zhǔn)、分得穩(wěn)的問(wèn)題。1.2 病理圖像分類為什么比自然圖像難得多很多人一開(kāi)始以為病理圖像分類就是把圖像丟進(jìn)ResNet跑一下這個(gè)想法在CIFAR-10上沒(méi)錯(cuò)但在病理圖像上會(huì)撞得頭破血流。第一圖像尺寸極其巨大。一張標(biāo)準(zhǔn)的WSI在40倍放大下可能達(dá)到100000×80000像素單張切片上百GB都是常事。而正常模型輸入是224×224或256×256的patch。這意味著你必須先把大圖切成小圖再?zèng)Q定哪些小圖進(jìn)入訓(xùn)練。這引出了后面要重點(diǎn)講的patch選取策略。第二語(yǔ)義粒度非常細(xì)。正常細(xì)胞和癌細(xì)胞之間的差異很多時(shí)候只是細(xì)胞核大小、核質(zhì)比、染色質(zhì)分布這些非常微觀的差別。拿自然圖像的分類經(jīng)驗(yàn)套上去模型容易學(xué)到染色背景的分布而不是真正的病理形態(tài)。第三類不平衡極其嚴(yán)重。一個(gè)切片中可能99%的區(qū)域是正常組織只有1%是癌變區(qū)域。如果把所有patch均勻采樣訓(xùn)練集里會(huì)堆滿無(wú)意義的正常patch模型看到的有效信息極少。第四標(biāo)注成本極高。標(biāo)注病理圖像需要專業(yè)的病理醫(yī)生不能靠眾包也不能靠沒(méi)有醫(yī)學(xué)背景的人隨便框框。這意味著訓(xùn)練集的規(guī)模和精度之間必須做現(xiàn)實(shí)取舍。1.3 一個(gè)訓(xùn)練集項(xiàng)目真正要解決的三件事我在推進(jìn)這個(gè)項(xiàng)目時(shí)把需求抽象成了三個(gè)核心問(wèn)題后續(xù)所有技術(shù)選型都圍繞這三個(gè)問(wèn)題展開(kāi)數(shù)據(jù)從哪來(lái)、怎么獲得合法合規(guī)的使用授權(quán)標(biāo)注怎么做才既保證質(zhì)量、又不過(guò)度消耗病理醫(yī)生的時(shí)間模型訓(xùn)練和評(píng)估怎么做才能證明訓(xùn)練集是真的高精度而不是只在某個(gè)測(cè)試集上自嗨。后面幾章的思路完全按這三條線展開(kāi)。如果你也是做醫(yī)學(xué)圖像、或者自己整理訓(xùn)練集訓(xùn)練模型這條路線可以照搬。2. 訓(xùn)練集構(gòu)建從原始切片到高質(zhì)量標(biāo)注2.1 數(shù)據(jù)來(lái)源、倫理與合規(guī)這個(gè)環(huán)節(jié)不能省醫(yī)學(xué)圖像和網(wǎng)上爬蟲抓來(lái)的貓狗圖片完全不同涉及患者隱私、機(jī)構(gòu)倫理、數(shù)據(jù)安全。我這邊走的路徑是合作醫(yī)院提供脫敏后的切片數(shù)據(jù)簽署了科研合作協(xié)議。切片在導(dǎo)出前已經(jīng)在醫(yī)院內(nèi)部完成了患者姓名、病歷號(hào)等敏感信息的清除只保留影像本身和對(duì)應(yīng)的病理診斷結(jié)論。這里有一個(gè)很容易踩的坑脫敏不只是刪掉文件名里的名字這么簡(jiǎn)單。WSI文件內(nèi)部可能包含元數(shù)據(jù)比如掃描儀型號(hào)、掃描時(shí)間、操作員工號(hào)。這些字段看起來(lái)不起眼但按嚴(yán)格的數(shù)據(jù)合規(guī)要求都屬于需要處理的信息。我們?cè)跀?shù)據(jù)清洗階段專門寫腳本檢查了WSI的元數(shù)據(jù)字段把非必要信息全部抹掉只保留圖像和必要的掃描參數(shù)。如果你是自己做類似的醫(yī)學(xué)圖像數(shù)據(jù)集我強(qiáng)烈建議先找所在機(jī)構(gòu)的倫理委員會(huì)或者法務(wù)確認(rèn)項(xiàng)目是否涉及人類受試者研究、是否需要倫理審批。哪怕只是用公開(kāi)數(shù)據(jù)集做實(shí)驗(yàn)也要讀清楚數(shù)據(jù)的使用條款。公開(kāi)數(shù)據(jù)集的License限制差別很大有的允許商用有的只允許科研有的要求不重新分發(fā)。不要等論文都寫完了一審才發(fā)現(xiàn)數(shù)據(jù)授權(quán)有問(wèn)題那種返工是最痛苦的。2.2 標(biāo)注流程設(shè)計(jì)讓病理醫(yī)生和算法工程師高效配合標(biāo)注是整個(gè)訓(xùn)練集構(gòu)建中最耗時(shí)、也最影響模型上限的環(huán)節(jié)。我們采用的是粗篩精標(biāo)復(fù)核三層流程而不是直接讓醫(yī)生從零開(kāi)始框選。第一步粗篩。用預(yù)訓(xùn)練的CNN模型對(duì)全切片做初步預(yù)測(cè)把預(yù)測(cè)為可疑的區(qū)域提前框選出來(lái)作為候選patch推薦給醫(yī)生。這么做不是為了替代醫(yī)生而是把醫(yī)生的注意力集中到真正有判讀價(jià)值的位置減少醫(yī)生在正常組織上翻找的時(shí)間。實(shí)際測(cè)試下來(lái)這一步能減少大約一半的標(biāo)注工作量。第二步精標(biāo)。醫(yī)生在推薦框的基礎(chǔ)上對(duì)每個(gè)patch做二分類或多分類標(biāo)注。我建議用多分類而不是簡(jiǎn)單的良惡性二分。在乳腺病理里常見(jiàn)的類別包括正常/良性病變、非典型增生、原位癌、浸潤(rùn)性癌等。多分類的好處是模型訓(xùn)練時(shí)可以利用更豐富的監(jiān)督信號(hào)實(shí)際部署時(shí)也能按不同類別設(shè)置不同的下游策略。第三步復(fù)核。隨機(jī)抽取10%的已標(biāo)注patch交給第二位醫(yī)生獨(dú)立盲審計(jì)算兩位醫(yī)生之間的一致性指標(biāo)比如Kappa系數(shù)。如果Kappa低于0.8說(shuō)明標(biāo)注標(biāo)準(zhǔn)模糊需要回到第二步重新校準(zhǔn)標(biāo)準(zhǔn)。這是很多團(tuán)隊(duì)會(huì)省略的環(huán)節(jié)但我建議一定保留因?yàn)闃?biāo)注一致性直接決定了訓(xùn)練集的噪聲水平而噪聲水平的容忍度在病理場(chǎng)景里很低。2.3 類不平衡與patch選取策略這一步是訓(xùn)練集構(gòu)建的技術(shù)核心也是真正拉開(kāi)差距的地方。我最終采用的策略是將WSI按20倍放大倍率切成224×224的patch然后對(duì)每個(gè)patch做篩選。篩選規(guī)則包括組織覆蓋率必須大于閾值比如80%排除大面積的背景和雜質(zhì)同時(shí)根據(jù)標(biāo)注密度控制采樣比例。在類別分布上我會(huì)刻意做類別的混合采樣而不是讓模型直接面對(duì)原始分布。具體的采樣比例通過(guò)一個(gè)簡(jiǎn)單的公式控制每個(gè)batch中正樣本基數(shù)為基準(zhǔn)負(fù)樣本按設(shè)定比例下采樣。這樣模型每個(gè)batch都能看到足夠數(shù)量的癌變patch避免在小類別上欠擬合。同時(shí)我還會(huì)控制同一個(gè)患者來(lái)源的patch不要同時(shí)落到訓(xùn)練集和測(cè)試集。醫(yī)學(xué)圖像里有一個(gè)常見(jiàn)bug如果把同一個(gè)病人的不同patch隨機(jī)劃分模型相當(dāng)于見(jiàn)過(guò)了正確答案的一部分測(cè)試指標(biāo)會(huì)虛高。這種泄漏在跨病人泛化測(cè)試中會(huì)暴露得一干二凈。所以劃分時(shí)必須以患者為最小單位而不是以patch為單位。這也是很多人做醫(yī)學(xué)圖像時(shí)忽略的細(xì)節(jié)。2.4 數(shù)據(jù)劃分訓(xùn)練集、驗(yàn)證集、測(cè)試集各司其職訓(xùn)練集和測(cè)試集的作用經(jīng)常被人混淆。我習(xí)慣用一句話來(lái)解釋它們的區(qū)別訓(xùn)練集是學(xué)生平時(shí)做的練習(xí)冊(cè)測(cè)試集是考試卷驗(yàn)證集是考前模擬卷。訓(xùn)練集讓模型學(xué)習(xí)參數(shù)驗(yàn)證集用來(lái)調(diào)整超參和選擇模型測(cè)試集只能用一次用來(lái)估計(jì)模型在真實(shí)場(chǎng)景中的最終水平。在比例選擇上我目前的配置是約70%訓(xùn)練集、15%驗(yàn)證集、15%測(cè)試集。如果數(shù)據(jù)量非常少可以考慮用交叉驗(yàn)證替代固定劃分K折交叉驗(yàn)證的K一般取5把K-1折用于訓(xùn)練、1折用于驗(yàn)證輪流進(jìn)行最終指標(biāo)取K次的平均。但要注意交叉驗(yàn)證的訓(xùn)練時(shí)間會(huì)成倍增加在大規(guī)模WSI場(chǎng)景下未必劃算。另外一個(gè)關(guān)鍵點(diǎn)劃分時(shí)要考慮標(biāo)簽分布均衡。不能出現(xiàn)在訓(xùn)練集中良性病例占90%、測(cè)試集中惡性病例占90%這種極端情況。我通常用分層采樣stratified sampling來(lái)確保每個(gè)子集的類別比例與原數(shù)據(jù)集大致一致。sklearn里面有個(gè)StratifiedShuffleSplit可以直接用省得手寫。3. 模型選型與訓(xùn)練細(xì)節(jié)把數(shù)據(jù)集的價(jià)值榨干3.1 Backbone選型ResNet、EfficientNet還是Vision Transformer訓(xùn)練集的質(zhì)量是上限但模型選擇決定你能不能逼近這個(gè)上限。我在這個(gè)項(xiàng)目里前后對(duì)比過(guò)ResNet-50、EfficientNet-B3/B4和ViT-Small簡(jiǎn)單說(shuō)一下選型結(jié)論。ResNet-50最大的優(yōu)點(diǎn)是穩(wěn)定、資源消耗小、社區(qū)資料多適合作為基線模型快速驗(yàn)證數(shù)據(jù)和標(biāo)注的質(zhì)量。但遇到細(xì)粒度識(shí)別任務(wù)它的精度提升空間有限。EfficientNet-B3/B4是我最終選擇的折中方案。同樣的精度目標(biāo)下EfficientNet的計(jì)算量比ResNet小得益于它的復(fù)合縮放策略。實(shí)際測(cè)試中EfficientNet-B4在patch分類上的AUC比ResNet-50高1.5%到2%推理耗時(shí)增加的幅度在我能接受的范圍內(nèi)。Vision TransformerViT在小規(guī)模醫(yī)學(xué)圖像數(shù)據(jù)集上并不一定占優(yōu)因?yàn)閂iT需要更多數(shù)據(jù)來(lái)學(xué)習(xí)歸納偏置。這個(gè)項(xiàng)目的數(shù)據(jù)量還沒(méi)到能讓ViT發(fā)揮優(yōu)勢(shì)的水平。如果你用的是幾十萬(wàn)甚至上百萬(wàn)patch的規(guī)?？梢栽囋嘨iT但做好調(diào)參的心理準(zhǔn)備。我的建議是不要一開(kāi)始就上最復(fù)雜的模型先拿ResNet跑通Pipeline確認(rèn)訓(xùn)練集的分布、標(biāo)注質(zhì)量、loss曲線都正常再換EfficientNet或ViT做精度提升。模型換血前先保證流程是通的這能省掉大量排查問(wèn)題的時(shí)間。3.2 損失函數(shù)設(shè)計(jì)的醫(yī)學(xué)動(dòng)機(jī)二分類場(chǎng)景下交叉熵?fù)p失CrossEntropyLoss是默認(rèn)選擇但醫(yī)學(xué)圖像分類里類不平衡問(wèn)題太嚴(yán)重因此我會(huì)優(yōu)先考慮加權(quán)的交叉熵或Focal Loss。Focal Loss的核心思想是用一個(gè)調(diào)制因子降低易分類樣本的權(quán)重讓模型訓(xùn)練時(shí)更關(guān)注難分類樣本。具體公式是FL(p_t) -α_t(1 - p_t)^γ log(p_t)。其中γ是聚焦參數(shù)通常設(shè)為1.5到2.0α_t是類別權(quán)重用來(lái)調(diào)整正負(fù)樣本的比例。在病理場(chǎng)景里γ取2.0時(shí)模型對(duì)罕見(jiàn)癌變patch的敏感度明顯提升。這里有個(gè)心得損失函數(shù)的不平衡處理和采樣策略的不平衡處理是雙保險(xiǎn)不能只依賴一個(gè)。采樣能保證每個(gè)batch的類別比例合理?yè)p失函數(shù)能進(jìn)一步懲罰模型對(duì)難例的忽視。兩者配合效果才穩(wěn)定。另外在訓(xùn)練多類別分類時(shí)我建議直接在輸出層做多類softmax而不是訓(xùn)練多個(gè)二分類器。多類softmax能強(qiáng)制類別之間互相競(jìng)爭(zhēng)讓特征表示更有判別力。3.3 數(shù)據(jù)增強(qiáng)與訓(xùn)練策略穩(wěn)定復(fù)現(xiàn)更關(guān)鍵病理圖像的數(shù)據(jù)增強(qiáng)我保持相對(duì)克制。隨機(jī)水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、隨機(jī)旋轉(zhuǎn)90度、隨機(jī)裁剪這些幾何增強(qiáng)可以放心用。顏色增強(qiáng)要非常小心因?yàn)椴±砬衅娜旧桨副热鏗E染色有標(biāo)準(zhǔn)流程如果顏色抖動(dòng)幅度太大模型會(huì)學(xué)到對(duì)染色響應(yīng)的錯(cuò)誤不變性導(dǎo)致?lián)Q了一個(gè)掃描儀之后性能驟降。我之前踩過(guò)一個(gè)坑用了過(guò)強(qiáng)的色彩抖動(dòng)在原始掃描儀數(shù)據(jù)的測(cè)試集上表現(xiàn)還行但換了一臺(tái)不同品牌掃描儀采集的數(shù)據(jù)AUC直接從0.96掉到0.88。后來(lái)重新調(diào)整了色彩增強(qiáng)的范圍把亮度、對(duì)比度、飽和度的擾動(dòng)幅度減小后跨掃描儀的魯棒性才恢復(fù)到接近0.94。訓(xùn)練策略上我采用兩階段先在ImageNet預(yù)訓(xùn)練權(quán)重基礎(chǔ)上凍結(jié)backbone只訓(xùn)練分類頭幾個(gè)epoch然后解凍全部參數(shù)做細(xì)調(diào)finetune。這個(gè)做法的好處是避免了訓(xùn)練一開(kāi)始就大范圍破壞預(yù)訓(xùn)練特征。學(xué)習(xí)率用余弦退火調(diào)度初始學(xué)習(xí)率從1e-4起步batch size 64。別的細(xì)節(jié)像AdamW優(yōu)化器、weight decay設(shè)1e-4這些是常規(guī)操作。真正要讓模型穩(wěn)定復(fù)現(xiàn)關(guān)鍵是固定隨機(jī)種子PyTorch里需要同時(shí)設(shè)置torch.manual_seed、np.random.seed如果用了CUDA還要設(shè)置torch.cuda.manual_seed_all。另外把cudnn.deterministic設(shè)為True否則即使種子一樣某些CUDA算子依然可能帶來(lái)非確定性差異。3.4 高精度評(píng)估不能只看Accuracy用準(zhǔn)確率評(píng)估醫(yī)學(xué)圖像分類模型是非常危險(xiǎn)的尤其在類別不平衡的場(chǎng)景里。舉個(gè)極端例子如果測(cè)試集里90%是良性那么一個(gè)全猜良性的模型準(zhǔn)確率也有90%實(shí)際卻完全沒(méi)用。醫(yī)學(xué)場(chǎng)景下我更關(guān)注的指標(biāo)是AUC、敏感度Sensitivity、特異度Specificity、F1-score。敏感度代表有病的人被查出來(lái)的比例臨床篩查寧可誤報(bào)也不能漏診所以敏感度是優(yōu)先保障的指標(biāo)。特異度代表沒(méi)病的人被正確排除的比例它決定過(guò)度診斷的程度。AUC綜合反映模型在所有閾值下的排序能力適合模型選型時(shí)做橫向?qū)Ρ鹊皇亲罱K部署指標(biāo)。部署時(shí)還需要根據(jù)臨床可接受的敏感度水平反推分類閾值。比如把決策閾值從默認(rèn)的0.5下調(diào)到0.3敏感度可能從0.88升到0.96但特異度會(huì)相應(yīng)下降。具體閾值怎么選要和臨床團(tuán)隊(duì)一起定不能算法工程師自己拍腦袋。我最終的評(píng)估報(bào)告里會(huì)同時(shí)給出多組閾值下敏感度-特異度的對(duì)應(yīng)表格方便決策方根據(jù)實(shí)際場(chǎng)景權(quán)衡。提示在做模型選擇時(shí)不要只比較最優(yōu)AUC一個(gè)數(shù)字。把模型的PR曲線Precision-Recall曲線畫出來(lái)看。在不平衡數(shù)據(jù)集上PR曲線比ROC曲線信息量更大。4. 實(shí)戰(zhàn)排坑標(biāo)注錯(cuò)誤、Loss不降與過(guò)擬合4.1 標(biāo)注錯(cuò)誤會(huì)導(dǎo)致訓(xùn)練集Loss降不下來(lái)嗎很多人在訓(xùn)練自己的數(shù)據(jù)集時(shí)都問(wèn)過(guò)這個(gè)問(wèn)題錯(cuò)誤標(biāo)注導(dǎo)致訓(xùn)練集loss降不下去到底是真的嗎我的結(jié)論錯(cuò)誤標(biāo)注確實(shí)會(huì)讓loss下降變慢、最終loss值偏高但不一定表現(xiàn)為完全降不下去。因?yàn)樯窠?jīng)網(wǎng)絡(luò)對(duì)單點(diǎn)噪聲有較高的容忍能力少量錯(cuò)誤標(biāo)注會(huì)被周圍大量正確標(biāo)注稀釋。但如果是系統(tǒng)性的錯(cuò)誤標(biāo)注——比如某一位醫(yī)生把非典型增生一律標(biāo)成了浸潤(rùn)癌——模型就會(huì)學(xué)到錯(cuò)誤規(guī)律loss可能降到比較低的水平但測(cè)試集上表現(xiàn)很一般。這在病理AI里是最隱蔽的坑訓(xùn)練時(shí)一切正常測(cè)試時(shí)打回原形。所以發(fā)現(xiàn)問(wèn)題不能只盯著loss曲線。定期做誤分類樣本的bad case分析更有效。我每周會(huì)抽出一些訓(xùn)練集中預(yù)測(cè)錯(cuò)誤且置信度很高的樣本請(qǐng)醫(yī)生重新復(fù)核。如果發(fā)現(xiàn)某類別的錯(cuò)誤率系統(tǒng)性偏高就很有可能是標(biāo)注標(biāo)準(zhǔn)出了問(wèn)題。另外我還做了一版標(biāo)簽清洗的實(shí)驗(yàn)把訓(xùn)練集里被模型反復(fù)預(yù)測(cè)錯(cuò)誤、且醫(yī)生復(fù)核后確認(rèn)標(biāo)注有誤的樣本移除重新訓(xùn)練。結(jié)果很能說(shuō)明問(wèn)題模型在測(cè)試集上的AUC提升了1.1%。不要小看這1%在醫(yī)學(xué)場(chǎng)景里這可能是幾十個(gè)誤診病例的差異。4.2 Loss不收斂的排查清單如果你的模型訓(xùn)練集loss確實(shí)降不下來(lái)先從這幾個(gè)方向查不要一上來(lái)就調(diào)模型結(jié)構(gòu)學(xué)習(xí)率設(shè)置是否合理。學(xué)習(xí)率過(guò)大導(dǎo)致震蕩無(wú)法收斂過(guò)小導(dǎo)致收斂過(guò)慢。檢查每個(gè)step的loss變化幅度如果loss在初始幾步突然飆升大概率是學(xué)習(xí)率太大。數(shù)據(jù)預(yù)處理是否一致。訓(xùn)練和測(cè)試的尺寸resize、歸一化參數(shù)是否統(tǒng)一很多詭異問(wèn)題都出在這里。標(biāo)簽是否有錯(cuò)誤或遺漏。隨機(jī)抽100個(gè)訓(xùn)練樣本人工核對(duì)一遍看看有沒(méi)有標(biāo)簽錯(cuò)位、文件路徑讀取錯(cuò)誤導(dǎo)致圖片和標(biāo)簽對(duì)不上。模型是否學(xué)到了有效特征。把中間層的feature map可視化或者把模型在簡(jiǎn)單子集上的表現(xiàn)單獨(dú)測(cè)試。如果連最簡(jiǎn)單的子集都擬合不了數(shù)據(jù)管線大概率有bug。我遇到過(guò)一個(gè)最難查的問(wèn)題某個(gè)類別的圖片在讀取時(shí)出現(xiàn)了排bytes順序錯(cuò)誤導(dǎo)致圖像顏色通道錯(cuò)亂模型在訓(xùn)練集上始終到不了目標(biāo)精度。最后是用可視化batch的方式才發(fā)現(xiàn)的。所以建議你在訓(xùn)練啟動(dòng)后沒(méi)事就打印幾行batch圖像出來(lái)肉眼檢查這個(gè)習(xí)慣能幫你省很多排查時(shí)間。4.3 可解釋性讓模型像在看病理而不是猜答案病理醫(yī)生不會(huì)輕易信任一個(gè)只報(bào)惡性概率0.93的模型。要讓這個(gè)訓(xùn)練集形成的模型真正被臨床接受可解釋性必須跟上。我最常用的工具是Grad-CAM熱力圖。把模型最后一層卷積的梯度傳到輸入圖像生成高亮區(qū)域疊加到原patch上。一個(gè)合理的模型熱力高亮區(qū)域應(yīng)該集中在細(xì)胞核密集、核異型性明顯的區(qū)域如果模型高亮的區(qū)域全是染色背景或組織間隙那基本可以斷定模型學(xué)到了偽相關(guān)。更進(jìn)一步的方案是用基于Patch的決策融合。我把整個(gè)WSI切成多個(gè)patch分別預(yù)測(cè)再把預(yù)測(cè)結(jié)果映射回全切片坐標(biāo)形成熱力圖。醫(yī)生能直觀看到哪塊組織被模型判為高風(fēng)險(xiǎn)。這種做法比單獨(dú)給patch熱力圖更符合病理醫(yī)生的工作習(xí)慣也更容易建立信任?？山忉屝赃€有一個(gè)加分項(xiàng)記錄模型在不同放大倍率下的預(yù)測(cè)一致性。惡性病變?cè)诟弑剁R下往往有比較明顯的異型性如果模型在低倍率下判惡性、高倍率下判良性說(shuō)明可能受到了某些低倍率下的干擾因素影響這類樣本需要人工復(fù)核。4.4 模型壓縮與部署的取舍訓(xùn)練集和模型跑到一定精度以后就要考慮部署場(chǎng)景了。病理AI最終要嵌入到醫(yī)院的病理信息系統(tǒng)PACS或者輔助診斷工作流里對(duì)推理速度有硬性要求。我試驗(yàn)了幾種壓縮方案簡(jiǎn)單說(shuō)下結(jié)論。模型權(quán)重量化到INT8后推理速度提升約3倍內(nèi)存占用下降75%但AUC下滑約0.8%在敏感度優(yōu)先的場(chǎng)景下有點(diǎn)難受。知識(shí)蒸餾是一個(gè)更值得嘗試的方案用EfficientNet-B4當(dāng)teacher蒸餾到一個(gè)較小的EfficientNet-B0可以做到只損失0.3%的AUC換來(lái)接近2.5倍的推理加速。部署時(shí)還要考慮的一件事是GPU和CPU的選型。如果醫(yī)院已經(jīng)有NVIDIA的GPU工作站直接上TensorRT優(yōu)化是最高效的路徑。如果只有CPU環(huán)境那就得認(rèn)真考慮量化策略和模型規(guī)模。不要做那種我們模型精度特別高但部署要一臺(tái)四卡A100的方案臨床環(huán)境沒(méi)那么慷慨。5. 常見(jiàn)問(wèn)題速查按從數(shù)據(jù)到部署的順序排坑我整理了這份實(shí)操中反復(fù)出現(xiàn)的問(wèn)答速查表覆蓋從訓(xùn)練集構(gòu)建到部署的完整鏈路供直接參考。常見(jiàn)問(wèn)題排查方向推薦處理方式訓(xùn)練集loss降不下來(lái)學(xué)習(xí)率、數(shù)據(jù)管線、標(biāo)簽錯(cuò)誤先可視化和核對(duì)數(shù)據(jù)再調(diào)整學(xué)習(xí)率用簡(jiǎn)易子集驗(yàn)證訓(xùn)練集loss降了但測(cè)試集AUC低過(guò)擬合、數(shù)據(jù)泄漏、標(biāo)注系統(tǒng)性錯(cuò)誤檢查數(shù)據(jù)劃分是否按患者分組做bad case分析同一患者patch被同時(shí)分到訓(xùn)練集和測(cè)試集數(shù)據(jù)劃分時(shí)以patch為單位隨機(jī)劃分改成按患者ID進(jìn)行分組劃分訓(xùn)練集類別嚴(yán)重不平衡正負(fù)樣本比例失調(diào)混合采樣 Focal Loss/加權(quán)CE雙保險(xiǎn)換掃描儀之后性能暴跌顏色增強(qiáng)過(guò)強(qiáng)模型學(xué)到染色偏移調(diào)小色彩增強(qiáng)幅度加入多掃描儀數(shù)據(jù)模型高亮區(qū)域落在背景而不是細(xì)胞學(xué)習(xí)到了偽相關(guān)特征用Grad-CAM檢查清洗包含過(guò)多背景的patch部署后推理太慢模型太大、未做優(yōu)化嘗試量化、知識(shí)蒸餾、TensorRT加速醫(yī)生反饋模型結(jié)論無(wú)法解釋只輸出概率沒(méi)有可視化依據(jù)輸出patch級(jí)的空間熱力圖公開(kāi)數(shù)據(jù)集licenses不一致項(xiàng)目存在分發(fā)或商用風(fēng)險(xiǎn)提前核查license必要時(shí)只做內(nèi)部科研除了上面的速查表再說(shuō)幾個(gè)心得體會(huì)。第一標(biāo)注質(zhì)量比樣本數(shù)量更值錢。與其急著擴(kuò)到100萬(wàn)patch不如先把1萬(wàn)patch做到高一致性標(biāo)注。醫(yī)學(xué)標(biāo)注的邊際成本很高如果花大量人力標(biāo)注出來(lái)的數(shù)據(jù)里混入10%錯(cuò)誤標(biāo)簽對(duì)模型帶來(lái)的負(fù)面效果可能抵消新增樣本的收益。第二模型訓(xùn)練過(guò)程中要保留checkpoint。不要只留最終一版。用驗(yàn)證集評(píng)估AUC找到驗(yàn)證集AUC最高的那個(gè)epoch對(duì)應(yīng)的模型而不是最后一個(gè)epoch的模型。在醫(yī)學(xué)場(chǎng)景中早停幾乎總是比訓(xùn)到底好因?yàn)橛?xùn)練后期的模型容易開(kāi)始記住訓(xùn)練數(shù)據(jù)中的噪聲。第三數(shù)據(jù)版本管理必須做。訓(xùn)練集、驗(yàn)證集、測(cè)試集的劃分一旦確定就要用hash或版本號(hào)固化下來(lái)。后續(xù)跑實(shí)驗(yàn)時(shí)任何數(shù)據(jù)變更都要生成新版本不然會(huì)出現(xiàn)兩個(gè)實(shí)驗(yàn)用的數(shù)據(jù)根本不一樣卻還以為是算法差異的尷尬情況。5.1 給新手的建議從一個(gè)小規(guī)模可復(fù)現(xiàn)項(xiàng)目開(kāi)始如果你第一次做醫(yī)學(xué)圖像分類我真心建議不要一上來(lái)就搞幾千張WSI。先把目標(biāo)縮小找到一個(gè)幾百patch的小數(shù)據(jù)集跑通完整流程確認(rèn)每個(gè)環(huán)節(jié)的輸出都是預(yù)期中的再逐步擴(kuò)大。小規(guī)模項(xiàng)目的好處是你可以在有限時(shí)間內(nèi)人工檢查每個(gè)環(huán)節(jié)搞清楚我的數(shù)據(jù)標(biāo)注長(zhǎng)什么樣模型看到的batch是什么loss下降到多少算正常哪些樣本是難例。這些感知一旦建立后面做大項(xiàng)目就有參照了。工具鏈上我推薦把PyTorch、TensorBoard、Weights Biases三者結(jié)合起來(lái)用。尤其要用TensorBoard或WB定期查看訓(xùn)練圖像和預(yù)測(cè)結(jié)果不要只盯loss曲線。圖像是你了解模型訓(xùn)練的眼睛loss只是體溫計(jì)。另外寫代碼時(shí)建議寫一個(gè)簡(jiǎn)單清晰的config文件統(tǒng)一管理超參。病理圖像的實(shí)驗(yàn)周期長(zhǎng)每個(gè)實(shí)驗(yàn)跑起來(lái)要幾個(gè)小時(shí)甚至幾天如果超參靠手工改代碼記錄和復(fù)現(xiàn)都會(huì)非常痛苦。用config管理參數(shù)配合實(shí)驗(yàn)日志能在長(zhǎng)期迭代中保留大量可回溯的歷史記錄。5.2 關(guān)于這個(gè)訓(xùn)練集項(xiàng)目后續(xù)可以擴(kuò)展的方向這套訓(xùn)練集在完成良惡性分類這個(gè)基礎(chǔ)目標(biāo)之外還可以往幾個(gè)方向擴(kuò)展。第一個(gè)方向是分子分型預(yù)測(cè)。乳腺癌有Luminal A、Luminal B、HER2陽(yáng)性和三陰性等不同分子分型不同分型的治療策略差異很大?，F(xiàn)有研究表明部分分子分型在組織形態(tài)學(xué)上有一定的特征信號(hào)但肉眼未必能穩(wěn)定捕捉。用AI訓(xùn)練集在這些亞型上做預(yù)測(cè)是一個(gè)有價(jià)值的研究方向。第二個(gè)方向是多模態(tài)融合。把病理圖像和影像學(xué)圖像比如鉬靶、磁共振、基因組數(shù)據(jù)結(jié)合用多模態(tài)模型做綜合預(yù)后判斷。這個(gè)方向?qū)?shù)據(jù)整合能力的要求更高但也是臨床真正需要的。第三個(gè)方向是跨中心泛化。同樣的訓(xùn)練集在這個(gè)醫(yī)院訓(xùn)練得很好換到另一家醫(yī)院、另一個(gè)掃描設(shè)備上表現(xiàn)是否穩(wěn)定是需要專項(xiàng)驗(yàn)證的。要把數(shù)據(jù)按醫(yī)院或設(shè)備分組做外部隊(duì)列測(cè)試反復(fù)迭代模型和數(shù)據(jù)增強(qiáng)策略。我在實(shí)際項(xiàng)目中最深的體會(huì)是訓(xùn)練集的價(jià)值不在于量大而在于干凈且分布合理。做到了這一點(diǎn)哪怕模型結(jié)構(gòu)不是最前沿的也能在真實(shí)場(chǎng)景中取得不錯(cuò)的成績(jī)。沒(méi)做到這一點(diǎn)再花哨的模型方案都會(huì)在臨床數(shù)據(jù)面前現(xiàn)出原形。本文還有配套的精品資源點(diǎn)擊獲取