王劍

（山西醫(yī)科大學(xué)汾陽學(xué)院 山西省汾陽市 032200）

1 引言

老年黃斑變性（AMD）一種與年齡相關(guān)的眼部疾病。AMD 因其早期現(xiàn)象不明顯、且不可逆性，成為了老年人（>50歲）中視力喪失的主要原因。目前世界人口的老齡化結(jié)構(gòu)越來越明顯，尤其以中國為主的發(fā)展中人口大國老齡化現(xiàn)象十分嚴(yán)峻，據(jù)有關(guān)報道研究，到2050 年，全球AMD 的患者數(shù)量將突破20 億人。AMD 是由于黃斑退化導(dǎo)致視力下降的慢性疾病，通常，AMD 可以分為四個階段，分別為無、早期、中間和晚期。當(dāng)眼底出現(xiàn)少量的小玻璃疣時，此時不會對視力造成太大的影響，不會對AMD 進行分級，如果存在中小型玻璃疣，則對早期的AMD 進行分級。黃斑變性可以分為兩大類型，一類是干性，另一類是濕性。干性黃斑變性的特點是當(dāng)黃斑處的視網(wǎng)膜色素上皮細胞丟失時，眼底出現(xiàn)玻璃疣沉積，表現(xiàn)為瘢痕形式，最終可能造成不可逆轉(zhuǎn)的視力喪失；濕性黃斑變性的主要特點是突發(fā)性，發(fā)展較快，其主要的原因是眼底出現(xiàn)了異常的新生血管，極易造成黃斑區(qū)出血，導(dǎo)致視力極速下降。一般來說，早期的AMD 是沒有任何癥狀的，針對一些視力模糊，可能已經(jīng)發(fā)展到了中期，而對于晚期的AMD 來說，通過眼底圖像是極易分辨出來的，但是已經(jīng)造成了視力的不可逆轉(zhuǎn)。因此，AMD的早期的診斷，對于AMD 的進一步惡化具有重要的意義。眼底圖像是診斷AMD 的主要手段，然而，眼底圖像的診斷需要有醫(yī)生的主觀意見，并且由于醫(yī)生個體間的差異，極易造成診斷的差異。因此，利用計算機進行自動化的黃斑變性診斷，可以為醫(yī)生提供可靠的輔助診斷依據(jù)，不僅能為患者提供高效的醫(yī)療服務(wù)，而且能平衡各地的醫(yī)療資源，具有及其重要的現(xiàn)實意義。

針對以上問題，本文提出了一個十二層的深度卷積網(wǎng)絡(luò)，通過患者的眼底圖像來自動診斷AMD。與傳統(tǒng)的自動診斷系統(tǒng)相比，基于卷積網(wǎng)絡(luò)的診斷方法不需要手工提取特征，利用卷積的特性，可以自動的提取眼底圖像的低級特征與高級語義特征。

深度卷積網(wǎng)絡(luò)是近年來發(fā)展起來的一項人工智能技術(shù)，并且成為了醫(yī)學(xué)圖像分析領(lǐng)域的主要方法之一，文獻提出了一種基于深度學(xué)習(xí)的自動篩選系統(tǒng)，將眼底圖像分類為正常或萎縮性AMD。文獻提出了基于殘差網(wǎng)絡(luò)的篩選系統(tǒng)，設(shè)計了一個基于殘差結(jié)構(gòu)的50 層網(wǎng)絡(luò)，利用交叉熵損失函數(shù)和Adma 優(yōu)化器進行訓(xùn)練。訓(xùn)練使用由400 張圖像組成的私有數(shù)據(jù)集進行，其中驗證集40 張，測試集200張，模型使用了ImageNet 數(shù)據(jù)庫上的預(yù)訓(xùn)練權(quán)重，最終的準(zhǔn)確率達到了0.98，靈敏度為0.95，特異性為1。文獻，提出了一種自動篩查方法，可以在早期階段從眼底圖像中檢測 AMD。該方法基于多實例學(xué)習(xí)框架。首先，檢測中央凹以裁剪黃斑區(qū)域。 然后，進行迭代訓(xùn)練，直到到達設(shè)定的準(zhǔn)確度，或者精度不在變化，或者超過訓(xùn)練時間閾值即停止訓(xùn)練。作者使用三種不同的模型（VGG16、ResNet-50 和Inception v3）評估了相同的方法，最終選擇了性能較好的VGG16 模型。

2 數(shù)據(jù)收集

本文所使用的數(shù)據(jù)集來自MESSIDOR 公開數(shù)據(jù)集，以及Kaggle 平臺Segmentation of OCT images(AMD)比賽數(shù)據(jù)集。該數(shù)據(jù)集是目前為止國外最大的眼底圖像數(shù)據(jù)庫，共有1200 張眼底圖像，其中540 張正常圖像，660 張異常圖像，主要標(biāo)記由糖尿病引發(fā)的視網(wǎng)膜疾病與黃斑水腫。Kaggle 平臺提供的AMD 分割數(shù)據(jù)集中，AMD 眼底圖像總共269 張。本文選取MESSIDOR 數(shù)據(jù)集中的540 張正常圖像作為正樣本，選取Kaggle 平臺中的269 張AMD 圖像作為負樣本。

2.1 感興趣區(qū)域提取

MESSIDOR 中的圖像如圖1 所示。眼底圖像由兩部分組成，眼底圖和黑色背景，其中的背景信息是分類所不需要的，并且會影響網(wǎng)絡(luò)的分類性能，因此，需要在進行分類之前對圖片進行預(yù)處理操作，即提取圖片的感興趣區(qū)域（Region of Interest, ROI）

圖1： MESSIDOR 中的正常眼底圖像

感興趣區(qū)域（ROI）是一張圖片中重點所關(guān)注的區(qū)域。在眼底圖像中即圓形或者橢圓形的視網(wǎng)膜區(qū)域。為了提取眼底圖像的感興趣區(qū)域，本文選取了文獻中所介紹的最大類間方差法，自適應(yīng)的完成前景與背景間的閾值計算。提取后的圖像如圖2 所示。

圖2： 感興趣區(qū)域提取結(jié)果

2.2 圖像預(yù)處理

圖像預(yù)處理操作的好壞直接影響深度學(xué)習(xí)網(wǎng)絡(luò)的性能，是提升網(wǎng)絡(luò)性能的關(guān)鍵。本研究所使用的眼底圖像在分辨率指標(biāo)方面表現(xiàn)較好，但是在對比度，亮度、以及噪聲、尺寸方面卻不太理想。為此本文使用了一系列的圖像預(yù)處理方法，對數(shù)據(jù)集進行了預(yù)處理操作，之后的數(shù)據(jù)擴增方法在預(yù)處理后的數(shù)據(jù)集上進行擴增。

首先在對比度和亮度方面，本文采用了亮度均衡化和對比度均衡化的方法，這樣能夠使圖像的信息不被亮度所干擾，得到圖像的歸一化數(shù)據(jù)。

為了保證圖像的質(zhì)量，本文選取了雙邊濾波器，來降低眼底圖像中的噪聲。

雙邊濾波器是一種充分使用了圖像空間信息的非線性的濾波方法，該濾波器是源于高斯濾波器的。雙邊濾波器在充分使用像素值的同時，還能考慮其周邊的圖像信息，并做出適當(dāng)?shù)奶幚?，最終在達到去噪的同時保留邊緣信息的效果。

相比于傳統(tǒng)的濾波器，例如高斯濾波去噪，雙邊濾波器的最大特點是能夠很好的保存圖像的邊緣信息，而不會像傳統(tǒng)濾波器那樣使的邊緣變得模糊，最終造成圖像高頻信息丟失的結(jié)果。綜上所述，雙邊濾波器不單可以去除噪聲，還能夠保存眼底圖像中的邊緣與細節(jié)信息。而本文基于眼底圖像的黃斑變性識別，對眼底圖像的邊緣信息較為敏感，因此在使用去噪方法后，因盡可能的保留邊緣信息，所以選擇了雙邊濾波器作為圖像的去噪方法。在圖像去噪以后，統(tǒng)一將圖像設(shè)置為227×227 大小。

2.3 數(shù)據(jù)集擴增

醫(yī)學(xué)圖像與自然圖像相比，面臨的最大問題是數(shù)據(jù)集的匱乏，由于醫(yī)學(xué)圖像的特殊性，醫(yī)學(xué)圖像的收集與標(biāo)注極為困難，為了提升模型的泛化性能，應(yīng)盡可能收集較多的數(shù)據(jù)集。為了解決以上問題，本文使用了數(shù)據(jù)擴增的方法，主要包括旋轉(zhuǎn)、平移、翻轉(zhuǎn)、縮放等操作。旋轉(zhuǎn)即對原始圖像進行任意度數(shù)（<20°）的旋轉(zhuǎn)偏移。翻轉(zhuǎn)即對原始圖像進行水平或者垂直翻轉(zhuǎn)。裁剪即在原始圖像隨機裁剪出一部分，作為一張新的眼底圖像，一般來說裁剪的區(qū)域應(yīng)該大于70%。具體的如圖3 所示。

圖3： 數(shù)據(jù)集擴增效果

3 方法

3.1 GoogleNet

GoogleNet 模型在ILSVRC2014 的競賽中獲得了冠軍，GoogleNet 的成功，主要是來源于網(wǎng)絡(luò)中使用了Inception 這一網(wǎng)絡(luò)結(jié)構(gòu)，通過這一結(jié)構(gòu)不僅增加了網(wǎng)絡(luò)的深度和寬度，而且縮減了網(wǎng)絡(luò)中的參數(shù)，提升了一定的運算性能。

GoogleNet 中包含了9 個Inception 模塊，網(wǎng)絡(luò)層數(shù)較多，如果單獨計算網(wǎng)絡(luò)層數(shù)的話，GoogleNet 中的網(wǎng)絡(luò)層達到了100 多層。GoogleNet 為了方便搭建深層網(wǎng)絡(luò)，構(gòu)建了基礎(chǔ)模塊，每個模塊基本相同，只是輸出圖像大小和通道數(shù)略有不同而已。GoogleNet 使用的激活函數(shù)為ReLU 函數(shù)，網(wǎng)絡(luò)所能達到的最大感受野大小為224×224。Inception 之所以能夠減少參數(shù)，其主要的思路是在使用3×3 和5×5 進行卷積操作時，會使用1×1 的卷積進行降維操作，其原因是5×5的卷積計算量較大，所以增加了降維操作。GoogleNet 利用不同的卷積核進行并行連接，在保證感受野的同時還能對圖像進行不同特征的提取，最后完成圖像特征的拼接，豐富了圖像的特征信息。GoogleNet 利用平均池化代替了全連接層，并且使用了Dropout 隨機函數(shù)，避免網(wǎng)絡(luò)的過擬合現(xiàn)象。GoogleNet 網(wǎng)絡(luò)的成功，使得后續(xù)出現(xiàn)了InceptionV2，V3，V4 等模塊，不斷的提高Inception 的模塊性能。

InceptionV2 模塊，其主要的改進是在Inception 中加入了Batch Normalization。

Batch Normalization 是為了解決深度網(wǎng)絡(luò)所帶來的梯度消失而出現(xiàn)的，由于越深的網(wǎng)絡(luò)，其網(wǎng)絡(luò)層數(shù)也越多，而數(shù)據(jù)在經(jīng)過每一層網(wǎng)絡(luò)之后，其數(shù)據(jù)的分布也發(fā)生了改變。那么這會使得網(wǎng)絡(luò)尋找數(shù)據(jù)的規(guī)律變難，為此在深度網(wǎng)絡(luò)中一般都是使用較小的學(xué)習(xí)率，以及特定的參數(shù)初始化值，防止網(wǎng)絡(luò)梯度消失，但是這樣會造成網(wǎng)絡(luò)訓(xùn)速度變慢。變慢的主要原因是數(shù)據(jù)的分布發(fā)生了變化，為了保證數(shù)據(jù)分布的一致性，加入了BN 層，在網(wǎng)絡(luò)的每一層后加入BN 層，對數(shù)據(jù)進行歸一化操作，保證數(shù)據(jù)的分布不改變，這樣加入BN 層后，即可使用較大的學(xué)習(xí)速率，從而加快網(wǎng)絡(luò)的收斂速度，在一定程度上還會防止梯度的消失，使得訓(xùn)練具有較多層次的網(wǎng)絡(luò)結(jié)構(gòu)成為了可能 。本文后續(xù)的網(wǎng)絡(luò)設(shè)計，受到了該模塊的影響，在設(shè)計時加入了Inception-V2 模塊。

3.2 VGG

VGGNET 是由牛津大學(xué)和谷歌共同提出的一個深度卷積網(wǎng)絡(luò)，VGG 其主要結(jié)構(gòu)是卷積網(wǎng)絡(luò)，在2014 年的ImageNet 比賽中獲得了亞軍，冠軍則是3.1 節(jié)所介紹的GoogleNet。VGG 的版本較多，共有6 種不同結(jié)構(gòu)，最常用的是VGG-16 版本，該版本的卷積層個數(shù)為13，全連接層的個數(shù)為3，還包括池化層，池化層為5 層。VGG 雖然是亞軍，但其獨特的設(shè)計理念還是引發(fā)了諸多研究者的青睞。

VGG 網(wǎng)絡(luò)的結(jié)構(gòu)特點是比較明顯的，具體的，VGG 中的各卷積層結(jié)構(gòu)基本相同，并且使用的池化操作也相同，都是將上一卷積層特征縮減一半，并且使用的都是較小的卷積核，因而深度也較深，保證網(wǎng)絡(luò)的較大感受野。本文后續(xù)的網(wǎng)絡(luò)設(shè)計，受到了該模塊的影響，在設(shè)計時加入了VGG 網(wǎng)絡(luò)的思想。

3.3 VG-AMD

為了提高深度卷積網(wǎng)絡(luò)的準(zhǔn)確性，在設(shè)計VG-AMD 時使用了Inception-V2 模塊結(jié)構(gòu)，具體如圖4 所示。通過多個卷積核提取圖像不同尺度的特征，最后進行融合，這樣能夠獲得更好的圖像特征。并且，在Inception V2 結(jié)構(gòu)中，用兩個3×3 的結(jié)構(gòu)代替了5×5 的結(jié)構(gòu)，在保持感受野不變的情況下，縮減了運算的參數(shù)，提高了運算的性能。

圖4： Inception V3 結(jié)構(gòu)

受到VGG 與GoogleNet 網(wǎng)絡(luò)的啟發(fā)，設(shè)計了如表1 所示的網(wǎng)絡(luò)結(jié)構(gòu)，命名為VG-AMD。

表1： VG-AMD 網(wǎng)絡(luò)結(jié)構(gòu)

VG-AMD 網(wǎng)絡(luò)中，包含7 個卷積層，1 個全連接層，4 個池化層。7 個卷積層的目的是從眼底圖像中提取不同的特征，其中使用了2 個Inception-v2 模塊，代替普通的卷積層，其目的是提取更豐富的圖像特征。4 個池化層可以降低圖像的維度，最后一個池化層使用了平均池化，減少了網(wǎng)絡(luò)參數(shù)。卷積層的步長為1，池化層的步長為2，全連接層后接softmax 層，完成二分類的分類任務(wù)，即眼底圖像正常與眼底圖像為黃斑變性兩類。由表1 可見，圖像的輸入大小為227×227×3，通過第一次卷積層后，圖像大小變?yōu)?25×225，通道數(shù)為16，然后經(jīng)過最大池化，降低圖像大小，變?yōu)?12×112。接著進行相同的卷積與池化操作，使圖像變?yōu)?2×22×256，并完成全局池化，輸入到全連接層，最后利用softmax 完成概率輸出。

4 實驗與結(jié)果分析

本實驗所提方法的實現(xiàn)是基于深度學(xué)習(xí)框架Pytorch 實現(xiàn)的，采用Adam 優(yōu)化算法，在一塊NVIDIA 3090GPU 上完成訓(xùn)練和測試。學(xué)習(xí)率設(shè)置為0.001，批次為100，批次大小設(shè)置為24，損失函數(shù)為交叉熵損失函數(shù)。實驗將數(shù)據(jù)分為訓(xùn)練集與測試集，訓(xùn)練集占80%，測試集占20%。經(jīng)過圖像預(yù)處理，共獲得1210 張正常眼底圖像，612 張AMD圖像，通過上述方法進行訓(xùn)練和測試，最終的結(jié)果如表2 所示。

表2： VG-AMD 網(wǎng)絡(luò)訓(xùn)練與測試結(jié)果

由表2 結(jié)果可知，VG-AMD 在測試集上的準(zhǔn)確率為93.1%，在訓(xùn)練集上的準(zhǔn)確率為94.2%，相差只有1.1%，VG-AMD 并不存在過擬合的現(xiàn)象。雖然VG-AMD 的識別率達到了93.1%，并且AUC 值達到了0.93，但是要想進一步提高VG-AMD 的性能，修改網(wǎng)絡(luò)結(jié)構(gòu)是一方面，數(shù)據(jù)樣本的數(shù)量也是比較關(guān)鍵的一個環(huán)節(jié)，數(shù)據(jù)樣本的缺少，會造成網(wǎng)絡(luò)泛化性能的偏低。

5 總結(jié)

本文提出了一種以卷積網(wǎng)絡(luò)為基礎(chǔ)的自動化黃斑變性診斷技術(shù)。通過公開數(shù)據(jù)集收集了實驗所用圖像，并進行了相關(guān)的預(yù)處理和數(shù)據(jù)增強操作，然后經(jīng)過設(shè)計的VG-AMD 網(wǎng)絡(luò)，可以自動的提取特征，并完成分類任務(wù)，準(zhǔn)確率達到了93.1%，可以很好的作為醫(yī)生診斷的輔助工具。