2025.12.19
这篇文章发表于《Medical Image Analysis》期刊（2026 年第 109 卷），由同济大学、上海大学等机构学者撰写，聚焦医学图像中的分布外（OOD）检测问题，提出一种差异化证据深度学习方法 D-EDL。
Title 题目
01
D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection
D-EDL：用于鲁棒医学分布外检测的差异化证据深度学习
文献速递介绍
02
深度学习在医学图像分析中取得了显著进展，但现实世界的临床数据常因疾病流行率差异导致分布外(OOD)样本的出现。当遇到这些未见过的OOD图像时，神经网络容易以过高的置信度将其错误分类为已知分布内(ID)类别，显著增加误诊风险。因此，模型自动标记无法可靠分析且需人工干预的输入至关重要。现有OOD检测方法主要分为三类：基于辅助异常值的方法（不切实际）、基于扰动的方法（对医学图像效果差）和基于不确定性估计的方法。证据深度学习(EDL)因其在性能、效率和可扩展性方面的优势而备受关注。然而，EDL存在过度惩罚问题，即对具有高数据不确定性的样本过度约束证据，导致不确定性高估并将ID样本误分类为OOD。本研究揭示了KL散度正则化在经典EDL中造成过度惩罚效应，使得具有高数据不确定性的ID样本被误判为异常值，从而影响OOD检测性能。针对此问题，本文提出了差异化证据深度学习(D-EDL)，通过引入差异化限制和排除模块(ROM)来有效建模模糊性，并在测试时采用原始证据推理(RI)以提高鲁SD和准确性，同时提出了平衡检测分数(BDS)以严格评估临床OOD检测性能。
Aastract摘要
02
在计算机辅助诊断中，疾病发病率的极端不平衡常导致罕见病症在测试时被忽略，从而产生分布外(OOD)样本。为了避免不可靠的诊断输出，检测这些OOD样本对临床安全至关重要。尽管证据深度学习(EDL)及其变体在检测异常值方面表现出巨大潜力，但由于医学图像的变异性，其临床应用仍面临挑战。我们发现，当遇到数据不确定性高的样本时，EDL中的Kullback-Leibler (KL)散度倾向于抑制固有的模糊性，导致证据估计中出现过度惩罚效应，损害了模糊分布内(ID)病例与真实异常值之间的区分。受临床实践中确证性诊断和鉴别诊断过程的启发，我们提出了差异化证据深度学习(D-EDL)，这是一种简单但有效的鲁棒OOD检测方法。具体来说，我们将KL视为确证性限制，并创新性地用排除模块(ROM)取代它以进行差异化限制，这在保持OOD敏感性的同时，减少了对模糊ID样本的过度惩罚。考虑到极端测试场景，我们引入了测试时原始证据推理(RI)来绕过不确定性估计中的不稳定性，并通过精炼证据进一步提高了鲁棒性和精确性。最后，我们提出了平衡检测分数(BDS)来量化在不同敏感性下最佳平衡误诊和漏诊时的临床性能潜力。在ISIC2019、骨髓细胞形态学数据集和EDDFS数据集上的实验结果表明，我们的D-EDL优于最先进的OOD检测方法，在鲁棒性和临床适用性方面取得了显著改进。
Method 方法
03
本文提出差异化证据深度学习(D-EDL)以减轻EDL在医学OOD检测中的过度惩罚问题。首先回顾了EDL中的证据不确定性估计，其中输出逻辑通过非负证据e=[e1,...,eK]来表示对类别的支持度，并与Dirichlet分布的参数α=e+1相关联，不确定性u=K/S。其次，分析了KL正则化引起的过度惩罚问题，它通过惩罚错误类别的证据来强制各类别证据互斥，导致对模糊ID样本的不确定性高估。为解决此问题，受临床鉴别诊断的启发，D-EDL提出差异化限制，设计了排除模块(ROM)，仅排除最不可能的类别证据，并通过证据缩放来降低其影响，从而在保持低复杂度的同时，既能建模模糊性又避免证据无限增长。此外，为了解决极端测试场景中精炼证据可能导致的不稳定性问题，我们引入了测试时原始证据推理(RI)策略，即直接利用未经处理的原始证据进行推理，以提高OOD检测的鲁棒性和精度。最后，提出了平衡检测分数(BDS)这一新颖指标，它使用独立于测试时间的阈值，通过平衡假阳性(误诊)和假阴性(漏诊)来评估临床OOD检测的综合性能，弥补了AUROC在临床应用中的不足。
Discussion讨论
04
本节讨论D-EDL在实现差异化限制时的三个主要问题：排除单个类别、通过证据缩放进行精炼以及使用相同缩放因子。排除单个类别可以避免引入额外超参数，并保持方法的低复杂度。通过证据缩放而不是直接归零来精炼证据，可以正确建模不确定性并降低预测不确定性。使用相同的缩放因子能够保持类别证据之间的相对比例不变，从而在修正不确定性估计的同时不影响证据的内在关联。此外，D-EDL采用训练时使用精炼证据、测试时使用原始证据的非对称策略。这种设计旨在解决医学OOD检测中学习阶段和部署阶段目标与限制的根本差异。训练时，精炼证据通过差异化限制优化决策边界，尤其对模糊样本有效。测试时，原始证据提供鲁棒的不确定性量化，避免了精炼证据在极端场景下可能引入的系统性扭曲。尽管D-EDL取得了有希望的结果，但仍存在局限性，例如单类别排除策略对OOD约束不足、数据集多样性不足、数据不平衡导致的少数ID类别与真实OOD样本混淆，以及D-EDL目前仅适用于单标签场景。未来的研究方向包括探索自适应排除多类别、建立更全面的医学OOD检测基准、研究类别感知差异化限制方法和不确定性校准技术，以及将D-EDL扩展到多标签OOD检测。
Conclusion结论
05
本文提出了一种差异化证据深度学习(D-EDL)方法，旨在减轻经典EDL在医学OOD检测中的过度惩罚问题，并降低临床应用风险。首先，我们分析了过度惩罚与KL散度之间的关系，并指出了其在OOD检测中的不足。接着，受临床诊断启发，我们用排除模块(ROM)取代了KL散度，以实现差异化限制。此外，通过对精炼证据的研究，我们提出使用原始证据来获得更鲁棒的OOD检测，以避免极端测试场景中潜在的证据扭曲。通过ROM中精炼的证据，我们的方法不仅扩大了ID和OOD之间不确定性的差异，而且描绘了高数据不确定性样本固有的模糊性，从而避免了现有方法中的不确定性低估。最后，我们提出了平衡检测分数(BDS)以评估不同方法在真实临床应用中的性能。全面的实验结果验证了所提出方法在医学OOD检测中进行OOD检测和可靠证据不确定性估计的有效性。
Results结果
06
本研究在ISIC2019、骨髓细胞形态学(BMC)和眼部疾病诊断和眼底合成(EDDFS)三个数据集上进行了实验，这些数据集具有高类内变异性和低类间差异，对OOD检测构成挑战。为了模拟临床罕见病情况，选择样本稀少（ISIC2019和EDDFS少于500例，BMC少于5000例）的类别作为OOD。实验采用ResNet18作为骨干网络，AdamW优化器，学习率为1e-4。评估指标包括ID分类的准确率(Pre)、召回率(Rec)、F1分数(F1s)，理论OOD检测的AUROC和FPR95，以及临床OOD检测的BDS。实验结果显示，D-EDL在AUROC、FPR95和BDS上均优于所有对比的最先进OOD检测方法。消融研究证实了移除KL约束、引入ROM和采用RI策略对性能提升的有效性。定性分析也表明，D-EDL能够生成更稳定且单峰分布的不确定性估计，有效区分ID和OOD样本，避免了经典EDL中的不确定性低估问题。
Figure 图
07
图1. EDL和本文提出的D-EDL在医学OOD检测中的概述。(a) 是真实医学数据集中的代表性医学图像，展示了OOD检测中ID类别之间模糊性的挑战。(b) 和 (c) 是经典EDL和D-EDL在处理OOD检测中模糊ID样本时的示意图。左侧面板显示证据估计，右侧面板说明不确定性估计。颜色越深表示值越高。对于位于类别簇之间的模糊样本，我们的D-EDL方法在测量证据和不确定性方面表现出卓越的能力，从而实现了改进的OOD检测性能。
图2. 所提出方法的概述。(a) 展示了D-EDL。在训练中，ID数据的证据在ROM中被重新形成以满足差异化限制。对于包括ID和OOD在内的复杂测试数据，直接利用原始证据生成不确定性以避免(b)中所示的错误检测。(c) 表示临床应用中自适应异常值检测的过程。γ是自定义敏感度，τ是自适应阈值。不确定性值大于τ的测试样本被识别为异常值，否则被预测为ID。
图3. 针对不同ID（清晰）、模糊ID和OOD测试样本的Dirichlet分布单纯形。
图4. 不同样本在 (a) 带有KL的EDL 和 (b) 不带KL的EDL 中的证据估计图。
图5. 在不同敏感度设置下，采用自适应异常值检测过程的临床OOD检测结果详情。在所有方法中，我们的方法取得了最好的结果。
图6. ISIC2019数据集上基于EDL方法的OOD检测比较。所有指标均相对于基线EDL进行了归一化。
图7. ISIC2019数据集中不同模型在训练数据（蓝色）、有效数据（红色）和OOD数据（绿色）上导出的空位分布比较。为了更直观地呈现，显示时使用了对数尺度的转换值。对于旨在进行OOD检测的理想证据神经网络，训练数据上的空位分布应尽可能接近有效数据上的分布，并尽可能不同于OOD数据上的空位分布。
图8. ISIC2019数据集中，具有确证性限制 (a)、无限制 (b) 和差异化限制 (c) 的不同模型导出的空位分布比较。为了更清晰地呈现，这些值经过对数尺度转换后进行了归一化显示。