吳鈞　汪書久　柳玉婷

摘要：OCT視網(wǎng)膜圖像是眼科醫(yī)學中最常用的診斷成像技術，眼科醫(yī)生使用這些圖像來診斷和跟蹤年齡相關性黃斑變性、糖尿病和其他眼部系統(tǒng)疾病，人工分類視網(wǎng)膜病理眼底圖像存在特征提取困難，分類耗時長等問題。為此，提出一種基于卷積神經(jīng)網(wǎng)絡的自動分類器。首先對圖像進行三次插值、歸一化等預處理操作，在ResNet50模型基礎上采用遷移學習。最后，將提取的特征輸入模型網(wǎng)絡進行分類。實驗在數(shù)據(jù)集上進行驗證，在準確率、靈敏度等評價指標上均有所提升。

關鍵詞：遷移學習；視網(wǎng)膜；殘差網(wǎng)絡；OCT；圖像分類

中圖分類號：TP183? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）34-0029-03

1 概述

隨著全球經(jīng)濟的持續(xù)增長，生活水平的大幅提高，醫(yī)療條件的改善，人類的平均壽命已達到了前所未有的水平。但是，由于與眼睛健康相關的退化效應隨著年齡的增長而增加，因此眼病的發(fā)病率也隨之增加。與此同時，隨著數(shù)字化的發(fā)展，人類在屏幕前花費的時間越來越多，這進一步加劇了眼部相關疾病的問題[1-2]。 OCT視網(wǎng)膜圖像是醫(yī)生判斷黃斑是否病變的重要標準，所以近年來對OCT視網(wǎng)膜圖像的分類是熱點問題之一。

2015年，何愷明等人在IEEE國際計算機視覺與模式識別會議發(fā)表了論文 Deep Residual Learning for Image Recognition，該論文提出了新的神經(jīng)網(wǎng)絡架構—ResNet，ResNet通過建立殘差塊將輸入信息繞道傳到輸出，加深了神經(jīng)網(wǎng)絡的深度，而且訓練的速度更快，性能比普通CNN更強，殘差塊中不僅有順序排列的卷積層，還通過與卷積層并列的捷徑連接，跳過了一些卷積層，這樣在訓練過程中，可以通過捷徑連接將誤差無損反向傳播，解決了梯度消失的問題[3-4]。

殘差神經(jīng)網(wǎng)絡有很多種形式，按照網(wǎng)絡層數(shù)分為：ResNet18、ResNet34、ResNet50、 ResNet101、ResNet152 等模型，由于過深的網(wǎng)絡層數(shù)會導致過擬合。所以，本文采用ResNet50網(wǎng)絡架構進行視網(wǎng)膜病變眼底圖像的分類，在公開的OCT2017數(shù)據(jù)集上訓練，驗證該模型在視網(wǎng)膜病變眼底圖像的分類的有效性。

2? 圖像預處理

2.1 數(shù)據(jù)集介紹

本文使用的數(shù)據(jù)集來自于數(shù)據(jù)分析競賽平臺（kaggle） 的OCT2017數(shù)據(jù)集。該數(shù)據(jù)集一共包含83484張圖片，并根據(jù)病變類型將視網(wǎng)膜圖像分為 4類。如圖 1 所示，圖 1 （a） 是健康（NORMAL）的視網(wǎng)膜圖像; 圖 1（b） 是脈絡膜新生血管（CNV） 的視網(wǎng)膜圖像; 圖 1（c）是糖尿病黃斑水腫（DME） 的視網(wǎng)膜圖像。圖 1（d）是黃斑區(qū)玻璃膜疣（DRUSEN） 的視網(wǎng)膜圖像[5-6]。從圖1可以看出，各種病變的類型不是很容易看出，因此人為地進行特征提取并進行圖像分類可能會導致相互誤判。

該數(shù)據(jù)集的各類別分布如圖2所示，其中健康（NORMAL）的視網(wǎng)膜圖像共有26315張，脈絡膜新生血管（CNV） 的視網(wǎng)膜圖像共有37205張，糖尿病黃斑水腫（DME） 的視網(wǎng)圖像共有11348張，黃斑區(qū)玻璃膜疣（DRUSEN） 的視網(wǎng)膜圖像共有8616張。

2.2 圖像預處理

3 模型的選取與訓練

本文中，采用ResNet50神經(jīng)網(wǎng)絡進行特征提取，為了避免數(shù)據(jù)集不夠大的情況導致模型不收斂，不擬合的問題，所以沒有采用從頭訓練的方法，而是采用遷移學習的方法，即用imagenet數(shù)據(jù)集對ResNet50進行預訓練，在用預訓練好的ResNet50模型對圖像進行特征提取。本文根據(jù)提取到的特征，建立了一個簡單的卷積神經(jīng)網(wǎng)絡分類器[9-10]，將提取到的特征輸入到分類器中，神經(jīng)網(wǎng)絡分類流程圖如圖3所示，該分類器包括一個卷積層、池化層，一個Flatten層和一個全連接層。

4? 實驗結(jié)果及分析

4.1 實驗環(huán)境及實驗設置

本實驗是在Intel（R） Core（TM） i5-10300H CPU，顯卡NVIDIA GeForce GTX 1650 Ti上，采用64位windows 10系統(tǒng)，使用的框架是tensorflow2.4.0。為了對比是否使用遷移學習對視網(wǎng)膜眼底圖像分類性能的影響，本文設置了以下實驗：

實驗1： 使用經(jīng)過預處理的視網(wǎng)膜OCT圖像數(shù)據(jù)集ResNet50神經(jīng)網(wǎng)絡所有參數(shù)采取從頭開始的訓練方式。

實驗2：用imagenet數(shù)據(jù)集對本文的提取特征的ResNet-50進行預訓練，再將得到的模型遷移到視網(wǎng)膜眼底病變圖像數(shù)據(jù)集上進行再訓練。

在參數(shù)設置上，考慮到圖片大小不統(tǒng)一，為了方便模型的訓練，所以將所有圖像縮放成224×224的大小，并且在經(jīng)過預處理后將數(shù)據(jù)集分為訓練集和驗證集，訓練集用于訓練網(wǎng)絡和參數(shù)訓練，驗證集用于驗證模型可靠性及泛化性，其中訓練集占0.8，驗證集占0.2，兩部分數(shù)據(jù)集不交叉。

訓練的batch_size 設為128，使用 Adam算法優(yōu)化損失函數(shù)，迭代100次。在學習率的設置上，實驗1和實驗2采用不同的超參數(shù)。

由于實驗1中的所有參數(shù)都沒有經(jīng)過訓練，所以將實驗1的學習率設置為0.05；實驗2中，考慮到用于提取特征的ResNet50網(wǎng)絡已經(jīng)經(jīng)過了預訓練，已經(jīng)可以很好地特征了，所以在學習率的設置上，特征提取的這部分網(wǎng)絡學習率設置為0.0001，而分類器的學習率設置為0.01。

4.2 模型評價指標

本文使用準確率（Accuracy）、召回率（Recall）、精確率（Precision）、混淆矩陣作為本實驗分類任務的評價指標，具體如式（4） 、式（5） 、式（6） 、式（7） 所示：

其中TP是將正樣本正確分類的個數(shù)，TN 為將負樣本正確分類的個數(shù)，F(xiàn)P 為將正樣本分類錯誤的個數(shù)，F(xiàn)N 為將負樣本分類錯誤的個數(shù)。

由于本文為多分類任務，這里的正樣本指的是某一類別，對應地，負樣本指的是另外三個類別。例如，當CNV為正樣本時，DME、DRUSEN、NORMAL為負樣本。

4.3 實驗結(jié)果分析

在tensorflow框架下用matplotlib庫繪制實驗1和實驗2訓練時驗證集（val） 準確率（accuracy） 隨訓練輪次的變化圖，具體圖4所示。

由圖4可知，未用遷移學習的深度神經(jīng)網(wǎng)絡驗證集準確率達到穩(wěn)定狀態(tài)需要的輪次明顯多于經(jīng)過遷移學習的深度神經(jīng)網(wǎng)絡，且達到穩(wěn)定狀態(tài)時，前者準確率低于后者，同時未用遷移學習的深度神經(jīng)網(wǎng)絡達到穩(wěn)定時準確率最好為92.86%，經(jīng)過遷移學習的深度神經(jīng)網(wǎng)絡達到穩(wěn)定時準確率為96.09%，由此可見，遷移學習可以幫助神經(jīng)網(wǎng)絡更好的提取特征，降低運算成本[11]。

本文經(jīng)過遷移學習再訓練后模型用在OCT2017數(shù)據(jù)集的測試上進行性能測試，分類結(jié)果的混淆矩陣如圖5所示，其中對角線位置為正確分類的數(shù)量統(tǒng)計。

準確率、精確率、召回率如表1所示。

4.4 模型微調(diào)

為了提高模型準確率，防止過擬合，采用調(diào)整分類器學習率對模型進行優(yōu)化，用于提取特征。ResNet-50的學習率固定為0.0001。為了更好地擬合模型，本文針對學習率進行了多次的調(diào)整，具體結(jié)果如表2所示。由圖可知，當學習率為0.001時，準確率最高，且在測試集上準確率為97.99%。

5 結(jié)論

本文利用基于遷移學習方法對視網(wǎng)膜病變眼底圖像進行了自動分類，在實驗中，我們發(fā)現(xiàn)了圖片的大小不一，且大量的圖片具有大量的噪聲，無法直接利用原始圖片進行訓練，需要對數(shù)據(jù)集進行預處理。對此，我們首先對視網(wǎng)膜病變眼底圖像利用雙三次插值算法進行降噪，再將其統(tǒng)一縮放成224×224的大小。

從實驗結(jié)果中可以看到，準確率（accuracy） 在訓練集及驗證集上經(jīng)過幾個輪次后就得到很大的提升。所以可以看出經(jīng)過預訓練ResNet-50模型可以很好地提取視網(wǎng)膜病變眼底圖像的特征。遷移學習的使用讓模型開始就有了一定的預測能力，通過遷移學習對視網(wǎng)膜病變眼底圖像分類只需要訓練最后的分類器，縮短了學習與訓練的時間，且提高了模型的泛化能力。

但由于oct2017數(shù)據(jù)集的數(shù)據(jù)量不是很大，導致整個模型的魯棒性不夠。由于DME及DRUSEN類別的圖像較其他兩個類別的數(shù)據(jù)上，導致模型對這兩類的準確率較低，整體準確率還有待提高，在后續(xù)工作中，在原有模型的基礎上進行改進，進一步解決模型整體準確率問題，以提高模型的魯棒性。

參考文獻：

[1] 王詩惠，郝曉鳳，謝立科.人工智能在視網(wǎng)膜疾病中應用的研究現(xiàn)狀與展望[J].中華眼科醫(yī)學雜志（電子版），2020，10（6）：374-379.

[2] 張勇東，符子龍，尚志華，等.基于深度學習的視網(wǎng)膜OCT圖像分類方法：CN109376767A[P].2021-07-13.

[3] He K ， Zhang X ， Ren S ， et al. Deep Residual Learning for Image Recognition[C]//Proceedings of the IEEE conference on computer vision and pattern recognition， 2016：770-778.

[4] 戴曉峰.遷移學習相關理論研究[J].電腦迷，2018（6）：226.

[5] Ting D S W，Pasquale L R，Peng L，et al.Artificial intelligence and deep learning in ophthalmology[J].The British Journal of Ophthalmology，2019，103（2）：167-175.

[6] Margot S.Diagnostic tests what physicians need to know IDx-DR for diabetic retinopathy screening margot Savoy[J].American Family Physician，2020，101（5）：307-308.

[7] Yoo T K，Choi J Y，Kim H K.Feasibility study to improve deep learning in OCT diagnosis of rare retinal diseases with few-shot classification[J].Medical & Biological Engineering & Computing，2021，59（2）：401-415.

[8] Larsson G，Maire M，Shakhnarovich G.FractalNet：ultra-deep neural networks without residuals[EB/OL].[2021-10-20].2016：arXiv：1605.07648.https：//arxiv.org/abs/1605.07648.

[9] 何媛，周濤，蘇婷，等.糖尿病視網(wǎng)膜病變的分類、發(fā)生機制及治療進展[J].山東醫(yī)藥，2020，60（19）：111-115.

[10] 張嘉陽，黃河，劉子怡，等.基于Gabor濾波器的糖尿病視網(wǎng)膜新生血管檢測[J].中國醫(yī)學物理學雜志，2018，35（8）：968-971.

[11] Zeiler M D，F(xiàn)ergus R.Visualizing and understanding convolutional networks[M]//Computer Vision - ECCV 2014.Cham：Springer International Publishing，2014：818-833.

【通聯(lián)編輯：唐一東】