實驗室聯合主編《Medical Image Analysis》特刊，聚焦提升醫學影像分析的可解釋性及可泛化性

近日，由上海人工智能實驗室與合作伙伴聯合主編的醫學影像人工智能領域頂級期刊《Medical Image Analysis》（影響因子13.828）特刊正式發布。該特刊題為《Explainable and Generalizable Deep Learning Methods for Medical Image Computing》（醫學圖像計算中的可解釋和可泛化的深度學習模型），受到全球醫學影像人工智能領域研究者及醫療專家的廣泛關注，吸引了國際上73個研究團隊提交論文，創下《Medical Image Analysis》特刊投稿量歷史記錄。最終20篇優秀論文被接收，從不同角度展現了該領域的前沿趨勢。

特刊封面

近年來，人工智能在醫學影像分析中取得了巨大的進步，為計算機輔助診療帶來突破。但目前，人工智能在臨床環境中大規模推廣應用仍然面臨諸多挑戰，其中突出的問題是其可解釋性差、泛化能力弱，從而難以保證其穩定、可靠地落地使用。一方面，大部分人工智能模型的黑盒工作模式無法提供可解釋的決策結果，而醫學診斷是一個強調證據的決策過程，可解釋性差的人工智能模型難以得到醫生的信任；另一方面，臨床環境中由于不同設備、不同影像掃描方式、病人差異等因素，使得人工智能模型在部署使用過程中通常會遇到與訓練階段分布不一致的圖像，這種差異性為模型的泛化性帶來巨大挑戰，阻礙了其大規模跨中心推廣應用。因此，亟需研究新型的具有可解釋性和泛化性的人工智能方法，以確保其在臨床應用中的可靠使用。

針對這一瓶頸問題，上海人工智能實驗室聯合羅格斯大學、賓夕法尼亞州立大學、倫敦國王學院以及電子科技大學等機構，在醫學影像人工智能領域頂級期刊《Medical Image Analysis》編輯了《Explainable and Generalizable Deep Learning Methods for Medical Image Computing》特刊。自2021年5月底至2021年12月中旬征稿期間，共吸引來自全球20余個國家的73篇高水平論文投稿，創下《Medical Image Analysis》特刊的投稿量歷史之最，亦體現了醫學影像人工智能的可解釋性和泛化性問題在業內受到的高度關注。

部分收錄論文

經過嚴格的審稿程序，最終20篇優秀論文被本特刊收錄，它們從投稿到正式接收的平均時間約為40周。其中，11篇論文聚焦基于醫學影像的AI診斷模型的可解釋性問題。這些論文對該熱點問題提出了不同的探索角度：通過在卷積神經網絡或Transformer結構中引入注意力機制，來提高圖像分類和檢測任務中模型的可解釋性（4篇）；在與領域知識相結合的基礎上，開發具有臨床相關性的可解釋深度學習模型，在肝癌、乳腺癌、肺部疾病診斷等不同任務中提高了模型的可解釋性（4篇）；通過樣本層面的對比或分析，為模型的預測結果提供支持性解釋（2篇）。同時，在本特刊中，研究者們也提出了一些開發臨床可解釋的人工智能模型的準則，例如對模型的解釋應當具有可理解性和臨床相關性，可解釋性技術應當在真實性、信息合理性和計算高效性等方面進行優化等。

在模型的泛化性方面，本特刊中有5篇論文在圖像分類、分割等多種任務中提出了新型的泛化能力強的人工智能方法，例如引入領域知識的指導、通過先驗知識對模型預測結果進行正則化約束、學習域不變特征、利用圖譜和新型數據增廣方法等提高AI模型在跨中心、跨領域數據上的泛化能力。

此外，有4篇論文關注AI模型跨域適應和處理低質量標簽的問題。其中2篇論文提出了針對不同數據域中的胸部X光圖像、肺部CT圖像、前列腺和心臟圖像等的識別的無監督跨域適應方法，它們通過對抗學習、域不變特征與域特異性特征分解等方式，提高了模型的跨域適應能力；另外2篇論文分別研究了圖像分割任務中的稀疏標注和圖像分類任務中的不確定標注的學習問題，通過新型的訓練方式，極大減少了深度學習模型對大規模精確標注的依賴，有利于降低AI模型在遷移到新數據域時的標注成本。

該特刊由上海人工智能實驗室智慧醫療中心主任張少霆、羅格斯大學講席教授Dimitris Metaxas、倫敦國王學院教授Tom Vercauteren、賓夕法尼亞州立大學教授黃曉蕾以及電子科技大學副教授王國泰等主編。

上海人工智能實驗室智慧醫療研究中心

旨在通過人工智能與醫學的深度交叉融合，基于產業發展的政策推動和行業需求，為醫療健康行業的技術創新與基礎研究探索前沿的技術突破與創新思路，科研成果入選The Lancet Digital Health、Nature Machine Intelligence、Nature Communication、Medical Image Analysis、IEEE Transactions on Medical Imaging 等國際頂刊。

如需申請加入課題組研究或了解課題組更多信息，請發郵件至：zhangshaoting@pjlab.org.cn，jilu@pjlab.org.cn

特刊鏈接:https://www.sciencedirect.com/journal/medical-image-analysis/special-issue/10JN5G558RM