通过精确度-召回率分析来研究食管鳞状细胞癌（ESCC）和异型增生内镜成像中的目标检测错误

《Frontiers in Oncology》：Investigating object detection errors in endoscopic imaging of esophageal SCC and dysplasia through precision–recall analysis

　　食管鳞状细胞癌早期检测中目标检测模型性能评估，采用白光内镜图像数据集，对比五类模型（YOLOv5/YOLOv8、Faster R-CNN、SSD、RT-DETR）在四类临床标签与十一类标签（含artifacts）下的宏指标。结果表明十一类标签提升整体性能（ΔF1+0.09），但早期病变（异型增生）召回率仍低（43.8%-40.8%），错误主因漏检而非误分类。建议结合多模态数据与模型改进提升临床适用性。

　　
食管鳞状细胞癌（ESCC）的早期诊断是改善患者预后的关键。然而，白光内镜（WLI）图像存在低对比度、伪影干扰等问题，导致病变识别困难。本研究通过对比五类目标检测模型（YOLOv5、YOLOv8、Faster R-CNN、SSD、RT-DETR）在不同标签配置下的性能，系统分析了当前AI技术在该领域的挑战与潜力。

**研究背景与核心问题**
全球每年约60.4万例食管癌新发病例中，早期病变（如异型增生）的漏诊率高达47%。传统白光内镜存在特异性不足（76.8%）和灵敏度低下（40.6%）的双重困境，而高级成像技术（如窄带成像NBI）虽有效但成本高且依赖专业操作者。本研究聚焦于AI模型如何克服WLI图像中常见的视觉干扰，如反光、气泡、器械阴影等，并揭示模型性能与标注策略的关联性。

**技术路线与实验设计**
研究采用来自单中心的三维临床视频（2020-2021年）构建数据集，通过Olympus CV-290设备采集1920×1080分辨率的WLI图像，经格式转换保存为BMP文件。标注工作由资深内镜医师使用LabelImg工具完成，形成两种标签体系：基础版（4类：SCC、异型增生、出血、炎症）与扩展版（11类，新增气泡、反光、器械等伪影类别）。所有模型均采用统一训练策略：从零训练、固定150个周期、学习率0.01、批次大小32，仅通过数据增强（水平/垂直翻转、15°随机旋转）提升泛化能力。

**关键发现与性能分析**
1. **标签配置对整体性能的影响**
在扩展11类标签后，所有模型宏平均F1值提升（+5~+12），主要得益于召回率的提升（+9~+13）。例如YOLOv5的F1从56升至66，但异型增生类别的F1值仅从52微降至51，显示标签扩展对临床核心指标改善有限。

2. **模型性能差异**
- **YOLO系列**：在11类标注下表现最优，YOLOv5/YOLOv8的F1值达65，优于其他模型。其单阶段架构（YOLOv8引入动态锚框和分布焦点损失）在实时检测中表现突出。
- **两阶段模型**：Faster R-CNN在4类标注下表现优异（F1=75），但在扩展后性能下降至60，显示其依赖精细区域提议网络，但对伪影干扰敏感。
- **Transformer架构**：RT-DETR虽实现实时检测（270FPS），但F1值仅56，其端到端设计在复杂场景中表现受限。

3. **错误模式深度解析**
混淆矩阵显示，超过95%的异型增生漏诊源于背景误判（预测为非目标区域），而非与伪影混淆。例如YOLOv5在11类标注下仍漏诊43.8%的异型增生，主要错误集中在未被识别的背景区域。SCC的漏诊率（约40-45%）同样显著，但模型间的错误分布存在差异：YOLO系列更易误标为其他良性病变，而Faster R-CNN则存在定位偏差。

4. **性能瓶颈的归因分析**
- **视觉混淆机制**：反光区域（OO-Reflect）与炎症区域（OO-Inflammation）在WLI图像中呈现相似高光特征，导致模型难以区分。
- **数据不平衡问题**：样本中良性病变占比达19:1，模型倾向于高特异性但低召回（如SSD在4类标注下F1仅43）。
- **检测器架构局限**：两阶段模型在复杂场景中因区域提议质量不稳定，而单阶段模型（YOLO）因锚框设计缺陷，难以捕捉微小病变。

**临床启示与技术改进方向**
1. **优化模型架构**
- 部署YOLOv8的动态锚框与焦点损失机制，提升对低对比病变的定位精度。
- 探索多尺度特征融合（如SSD的VGG-16骨干网络改进），增强微小病变检测能力。

2. **改进数据标注策略**
- 引入“伪影-病变”对比标注，例如对每个反光区域标注其周围的正常黏膜区域作为对照。
- 增加多中心、多设备（不同Olympus型号）数据，缓解单中心偏差。

3. **算法增强方案**
- **负样本增强**：针对高发错误模式（背景误判），在训练时优先强化背景样本多样性。
- **多模态融合**：整合NBI的血管模式与WLI的结构特征，构建混合数据集（如SAVI技术）。
- **动态阈值调整**：基于临床需求设置召回率优先的阈值策略（如以95%召回率确定最佳阈值）。

**局限性及未来展望**
当前研究的局限性包括：单中心数据（Kaohsiung Medical University）、仅WLI模态、缺乏真实场景的实时性能测试。未来需重点突破：
1. **构建多模态基准数据集**：整合WLI、NBI及组织病理学标注，建立涵盖不同癌变阶段（0-III期）的数据库。
2. **临床验证闭环**：与内镜医生协作，在真实检查流程中测试模型报警频率与漏诊率，评估临床增益。
3. **可解释性增强**：通过Grad-CAM等技术可视化模型关注区域，定位异型增生检测中的关键特征缺失。
4. **工程化落地研究**：在Endo-Scopy等商用设备上部署模型，分析不同工作模式（实时/离线）下的性能衰减曲线。

**结论**
本研究证实，在WLI条件下，AI模型通过细粒度标注（11类）可显著降低非病变误报（背景误判率从78%降至65%），但对早期病变（异型增生）的召回率仍不足50%。YOLO系列模型在实时检测场景中展现最优平衡性，但需通过以下改进提升临床实用性：
- 开发基于注意力机制的伪影抑制模块
- 构建包含超早期病变（ indefinite dysplasia）的多阶段标注体系
- 探索知识蒸馏技术，将复杂模型（如RT-DETR）的知识迁移至轻量级YOLOv8架构

该研究为AI辅助内镜诊断提供了重要基准，表明未来技术突破需结合医学专家经验，从单一模型优化转向“算法-标注-临床流程”的协同创新体系。