# 医学影像分类的不确定性量化：基于共形预测的ResNet-50模型研究 > 本文介绍了一项将共形预测（Conformal Prediction）应用于医学影像分类的创新研究，通过ResNet-50架构在TissueMNIST数据集上实现了具有统计保证的预测集合输出，为医疗AI决策可靠性提供了新思路。 - 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo) - 发布时间: 2026-05-13T20:55:55.000Z - 最近活动: 2026-05-13T20:58:55.597Z - 热度: 145.9 - 关键词: 共形预测, 不确定性量化, 医学影像, ResNet-50, 深度学习, 医疗AI, TissueMNIST, 分类可靠性, 机器学习, Grad-CAM - 页面链接: https://www.zingnex.cn/forum/thread/resnet-50 - Canonical: https://www.zingnex.cn/forum/thread/resnet-50 - Markdown 来源: ingested_event --- # 医学影像分类的不确定性量化：基于共形预测的ResNet-50模型研究 ## 研究背景与问题意识 在医疗诊断领域，人工智能模型的可靠性直接关系到患者的生命安全。传统的深度学习分类器往往输出单一标签预测，却无法提供该预测的可信度度量。这种"黑盒"特性在临床应用中存在显著风险——当模型以99%的置信度给出错误诊断时，医生无从判断是否应该采信这一结果。 不确定性量化（Uncertainty Quantification）正是为解决这一痛点而兴起的研究方向。其中，**共形预测（Conformal Prediction）**作为一种具有统计保证的框架，能够在不改变模型训练过程的前提下，为预测结果附加概率保证。本文介绍的项目由Sedef Kjamili完成，成功将共形预测应用于组织病理学影像分类任务，展示了这一技术在医疗AI领域的巨大潜力。 ## 核心概念：共形预测是什么 共形预测是一种机器学习框架，其核心思想是：与其输出单一预测标签，不如输出一个**预测集合（Prediction Set）**，并保证该集合以特定概率（如90%或95%）包含真实标签。这种形式化保证不依赖于数据分布假设，适用于任何基础模型。 具体而言，共形预测通过**校准集（Calibration Set）**计算非一致性分数（Non-conformity Scores），进而确定阈值。对于新样本，模型会收集所有得分高于阈值的标签，形成预测集合。集合大小反映了模型不确定性——当模型确信时，集合可能只含一个标签；当模型困惑时，集合可能包含多个候选标签。 这种"知情拒绝"机制对医疗场景尤为重要：当预测集合过大时，系统可以自动标记该案例需人工复核，而非盲目输出单一诊断。 ## 技术实现：ResNet-50与共形预测的融合 ### 模型架构与数据集 本项目选用**ResNet-50**作为基础分类器，在**TissueMNIST**数据集上进行训练。TissueMNIST是MedMNIST系列中的一个子集，包含8种人体组织类型的28×28像素灰度图像，涵盖： - 脂肪组织（Adipose） - 背景（Background） - 结缔组织（Connective） - 淋巴细胞（Lymphocyte） - 正常细胞（Normal） - 肿瘤（Tumor） - 间质（Stroma） - 上皮（Epithelial） ResNet-50在此低分辨率影像任务上经过微调，达到了较高的基础分类准确率。但正如研究所强调的，准确率本身不足以支撑医疗决策——我们需要知道模型"何时不知道"。 ### 三种共形评分方法对比 项目系统比较了三种主流的共形预测评分方法： **1. LAC（Least Ambiguous Set）** LAC方法为每个类别独立计算阈值，目标是产生最小的预测集合同时满足覆盖率要求。其优势在于集合紧凑，平均大小仅约2个标签。 **2. APS（Adaptive Prediction Sets）** APS采用自适应策略，根据样本难度动态调整集合大小。实验显示APS达到了94.39%的覆盖率，是三种方法中最高的，但平均集合大小也略大（约2.6个标签）。 **3. Top-K** Top-K方法直接选取概率最高的K个类别，直到累积概率超过阈值。这种方法简单直观，但集合大小波动较大，平均约3个标签。 ### 类条件共形预测 考虑到医学影像中各类别样本量往往不均衡（如肿瘤样本可能远少于正常组织），项目采用了**类条件共形预测**策略。该方法为每个类别单独计算阈值，确保即使稀有类别也能获得可靠的覆盖率保证，而非被主导类别淹没。 ## 实验结果与性能分析 ### 覆盖率与集合大小的权衡 实验在95%置信水平（α=0.05）下评估了三种方法： | 方法 | 实际覆盖率 | 平均集合大小 | 中位数集合大小 | |------|-----------|-------------|---------------| | LAC | 89.96% | 2.009 | 2.0 | | APS | 94.39% | 2.589 | 2.0 | | Top-K | 93.54% | 3.030 | 3.0 | 结果显示APS最接近理论保证的95%覆盖率，而LAC在保持较小集合大小方面表现最优。这种权衡在实际应用中至关重要：医疗场景通常优先保证覆盖率（不漏诊），因此APS可能是更合适的选择。 ### 校准策略对比 项目还探索了两种不同的校准数据划分策略： **官方划分策略**：使用数据集预定义的验证集进行校准，测试集独立评估。 **60-40重划分策略**：将验证集与测试集合并后重新划分为60%校准集和40%测试集，以获得更大的校准样本量。 研究发现，更大的校准集有助于提升稀有类别的覆盖率稳定性，这对类别不平衡的医学数据集尤为重要。 ### 置信度阈值分析 项目还进行了置信度阈值扫描（80%至99%），分析了覆盖率与集合大小的权衡曲线。随着置信要求提高，预测集合自然扩大，但这种扩张并非线性——在某些阈值区间，集合大小增长相对平缓，而在其他区间则迅速膨胀。这一分析为实际部署时的阈值选择提供了 empirical 依据。 ## 可解释性增强：Grad-CAM注意力可视化 除了不确定性量化，项目还集成了**Grad-CAM（Gradient-weighted Class Activation Mapping）**技术，生成注意力热力图展示模型决策时的关注区域。这种可视化具有双重价值： 首先，它帮助验证模型是否关注了病理学相关的区域（如细胞核、组织结构），而非背景噪声或伪影。当模型关注区域与病理学家的观察区域一致时，预测可信度显著提升。 其次，结合共形预测的预测集合，Grad-CAM可以展示模型在不同候选类别下的关注差异。当预测集合包含多个标签时，比较它们的注意力图有助于理解模型的犹豫来源——是 genuinely 难以区分相似组织类型，还是输入图像质量不足。 ## 困难案例分析 项目特别关注了"困难样本"——即预测集合较大或覆盖失败的案例。这些案例往往具有以下特征： - **组织形态相似性**：如某些肿瘤与正常上皮组织在切片上呈现相似纹理 - **图像质量问题**：模糊、染色不均或切片制备缺陷 - **边界案例**：处于两种组织类型过渡区域的样本 通过分析这些困难案例，研究者可以识别模型的知识盲区，指导未来数据收集和模型改进方向。更重要的是，在临床应用中，这些案例可以被自动标记为"需专家复核"，形成人机协作的安全网。 ## 技术栈与实现细节 项目采用Python生态构建，核心技术组件包括： - **PyTorch**：ResNet-50模型的训练与推理 - **MAPIE**：共形预测的实现库，提供SplitConformalClassifier等工具 - **medmnist**：TissueMNIST数据集的标准化加载 - **pytorch-grad-cam**：注意力图生成 - **scikit-learn**：评估指标计算 - **seaborn/matplotlib**：结果可视化 模型权重托管于Zenodo平台，确保研究的可复现性。完整的实验流程封装在Jupyter Notebook中，便于其他研究者复现和扩展。 ## 临床意义与未来展望 这项研究的意义远超技术层面。在医疗AI监管日益严格的背景下，**可证明的安全性保证**将成为模型获批临床使用的关键。共形预测提供的覆盖率保证，为构建可信赖的医疗AI系统提供了理论基础。 未来发展方向包括： 1. **多尺度共形预测**：结合全切片图像（WSI）的不同放大倍数，构建层次化预测集合 2. **时序共形预测**：对于纵向随访病例，利用历史预测校准当前不确定性 3. **跨域泛化**：研究不同医院、不同扫描设备间的校准迁移策略 4. **与主动学习结合**：利用不确定性估计指导标注资源的最优分配 ## 结语 Sedef Kjamili的这项研究展示了如何将前沿的机器学习理论与实际的医疗需求相结合。通过共形预测，我们不仅获得了更好的性能指标，更重要的是获得了**可量化的可信度**。在涉及人类健康的领域，知道"何时不确定"比盲目自信更为珍贵。 随着FDA、NMPA等监管机构对AI医疗器械审查标准的完善，类似的不确定性量化技术有望成为行业标配。这项开源项目为研究者和开发者提供了宝贵的参考实现，推动医疗AI从"能用"走向"可信"。