基于误预测风险分析的乳腺癌亚型预测自适应深度学习
计算机视觉与模式识别
2026-03-17 v2 人工智能
摘要
乳腺癌仍是全球癌症死亡原因的首要原因之一。及早检测至关重要，但手工组织病理分析复杂且存在观察者间变异性。虽然深度神经网络诊断系统在二分类任务中取得了进展，但在多类亚型预测中仍面临类别间相似性、类别不平衡和域迁移问题，导致频繁误判。本研究提出 MultiRisk，一种量化并缓解乳腺癌亚型预测误预测风险的自适应学习框架。MultiRisk 采用多类误预测风险分析模型，通过从异构深度神经网络表示中派生的可解释特征，对误预测概率进行排序，并训练专门捕获多类风险模式的风险模型。基于此，我们引入基于风险的自适应学习策略，根据数据集特性细调预测模型，从而有效降低误预测风险并提高适应性。该框架在多个组织病理图像数据集上进行评估，在风险分析任务中实现了 78.1%、75.6% 和 76.3% 的 AUROC。在基于风险的自适应训练进一步将 F1 分数提升至 61.15%、65.98% 和 80.53%，在不同分辨率和域迁移情景下表现出色。通过将误预测风险分析与自适应微调相结合，MultiRisk 在提高预测准确性、缓解有限标注数据下的错误、以及跨域、跨癌种和跨模型架构的泛化方面发挥作用，支持可靠的临床决策。代码：https://github.com/SheerazNWPU/MultiRisk
引用
@article{arxiv.2503.12778,
title = {Adaptive Deep Learning for Breast Cancer Subtype Prediction Via Misprediction Risk Analysis},
author = {Gul Sheeraz and Qun Chen and Liu Feiyu and Zhou Fengjin},
journal= {arXiv preprint arXiv:2503.12778},
year = {2026}
}