基于卷积网络的老年黄斑变性识别方法

王剑

（山西医科大学汾阳学院 山西省汾阳市 032200）

1 引言

老年黄斑变性（AMD）一种与年龄相关的眼部疾病。AMD 因其早期现象不明显、且不可逆性，成为了老年人（>50岁）中视力丧失的主要原因。目前世界人口的老龄化结构越来越明显，尤其以中国为主的发展中人口大国老龄化现象十分严峻，据有关报道研究，到2050 年，全球AMD 的患者数量将突破20 亿人。AMD 是由于黄斑退化导致视力下降的慢性疾病，通常，AMD 可以分为四个阶段，分别为无、早期、中间和晚期。当眼底出现少量的小玻璃疣时，此时不会对视力造成太大的影响，不会对AMD 进行分级，如果存在中小型玻璃疣，则对早期的AMD 进行分级。黄斑变性可以分为两大类型，一类是干性，另一类是湿性。干性黄斑变性的特点是当黄斑处的视网膜色素上皮细胞丢失时，眼底出现玻璃疣沉积，表现为瘢痕形式，最终可能造成不可逆转的视力丧失；湿性黄斑变性的主要特点是突发性，发展较快，其主要的原因是眼底出现了异常的新生血管，极易造成黄斑区出血，导致视力极速下降。一般来说，早期的AMD 是没有任何症状的，针对一些视力模糊，可能已经发展到了中期，而对于晚期的AMD 来说，通过眼底图像是极易分辨出来的，但是已经造成了视力的不可逆转。因此，AMD的早期的诊断，对于AMD 的进一步恶化具有重要的意义。眼底图像是诊断AMD 的主要手段，然而，眼底图像的诊断需要有医生的主观意见，并且由于医生个体间的差异，极易造成诊断的差异。因此，利用计算机进行自动化的黄斑变性诊断，可以为医生提供可靠的辅助诊断依据，不仅能为患者提供高效的医疗服务，而且能平衡各地的医疗资源，具有及其重要的现实意义。

针对以上问题，本文提出了一个十二层的深度卷积网络，通过患者的眼底图像来自动诊断AMD。与传统的自动诊断系统相比，基于卷积网络的诊断方法不需要手工提取特征，利用卷积的特性，可以自动的提取眼底图像的低级特征与高级语义特征。

深度卷积网络是近年来发展起来的一项人工智能技术，并且成为了医学图像分析领域的主要方法之一，文献提出了一种基于深度学习的自动筛选系统，将眼底图像分类为正常或萎缩性AMD。文献提出了基于残差网络的筛选系统，设计了一个基于残差结构的50 层网络，利用交叉熵损失函数和Adma 优化器进行训练。训练使用由400 张图像组成的私有数据集进行，其中验证集40 张，测试集200张，模型使用了ImageNet 数据库上的预训练权重，最终的准确率达到了0.98，灵敏度为0.95，特异性为1。文献，提出了一种自动筛查方法，可以在早期阶段从眼底图像中检测 AMD。该方法基于多实例学习框架。首先，检测中央凹以裁剪黄斑区域。 然后，进行迭代训练，直到到达设定的准确度，或者精度不在变化，或者超过训练时间阈值即停止训练。作者使用三种不同的模型（VGG16、ResNet-50 和Inception v3）评估了相同的方法，最终选择了性能较好的VGG16 模型。

2 数据收集

本文所使用的数据集来自MESSIDOR 公开数据集，以及Kaggle 平台Segmentation of OCT images(AMD)比赛数据集。该数据集是目前为止国外最大的眼底图像数据库，共有1200 张眼底图像，其中540 张正常图像，660 张异常图像，主要标记由糖尿病引发的视网膜疾病与黄斑水肿。Kaggle 平台提供的AMD 分割数据集中，AMD 眼底图像总共269 张。本文选取MESSIDOR 数据集中的540 张正常图像作为正样本，选取Kaggle 平台中的269 张AMD 图像作为负样本。

2.1 感兴趣区域提取

MESSIDOR 中的图像如图1 所示。眼底图像由两部分组成，眼底图和黑色背景，其中的背景信息是分类所不需要的，并且会影响网络的分类性能，因此，需要在进行分类之前对图片进行预处理操作，即提取图片的感兴趣区域（Region of Interest, ROI）

图1： MESSIDOR 中的正常眼底图像

感兴趣区域（ROI）是一张图片中重点所关注的区域。在眼底图像中即圆形或者椭圆形的视网膜区域。为了提取眼底图像的感兴趣区域，本文选取了文献中所介绍的最大类间方差法，自适应的完成前景与背景间的阈值计算。提取后的图像如图2 所示。

图2： 感兴趣区域提取结果

2.2 图像预处理

图像预处理操作的好坏直接影响深度学习网络的性能，是提升网络性能的关键。本研究所使用的眼底图像在分辨率指标方面表现较好，但是在对比度，亮度、以及噪声、尺寸方面却不太理想。为此本文使用了一系列的图像预处理方法，对数据集进行了预处理操作，之后的数据扩增方法在预处理后的数据集上进行扩增。

首先在对比度和亮度方面，本文采用了亮度均衡化和对比度均衡化的方法，这样能够使图像的信息不被亮度所干扰，得到图像的归一化数据。

为了保证图像的质量，本文选取了双边滤波器，来降低眼底图像中的噪声。

双边滤波器是一种充分使用了图像空间信息的非线性的滤波方法，该滤波器是源于高斯滤波器的。双边滤波器在充分使用像素值的同时，还能考虑其周边的图像信息，并做出适当的处理，最终在达到去噪的同时保留边缘信息的效果。

相比于传统的滤波器，例如高斯滤波去噪，双边滤波器的最大特点是能够很好的保存图像的边缘信息，而不会像传统滤波器那样使的边缘变得模糊，最终造成图像高频信息丢失的结果。综上所述，双边滤波器不单可以去除噪声，还能够保存眼底图像中的边缘与细节信息。而本文基于眼底图像的黄斑变性识别，对眼底图像的边缘信息较为敏感，因此在使用去噪方法后，因尽可能的保留边缘信息，所以选择了双边滤波器作为图像的去噪方法。在图像去噪以后，统一将图像设置为227×227 大小。

2.3 数据集扩增

医学图像与自然图像相比，面临的最大问题是数据集的匮乏，由于医学图像的特殊性，医学图像的收集与标注极为困难，为了提升模型的泛化性能，应尽可能收集较多的数据集。为了解决以上问题，本文使用了数据扩增的方法，主要包括旋转、平移、翻转、缩放等操作。旋转即对原始图像进行任意度数（<20°）的旋转偏移。翻转即对原始图像进行水平或者垂直翻转。裁剪即在原始图像随机裁剪出一部分，作为一张新的眼底图像，一般来说裁剪的区域应该大于70%。具体的如图3 所示。

图3： 数据集扩增效果

3 方法

3.1 GoogleNet

GoogleNet 模型在ILSVRC2014 的竞赛中获得了冠军，GoogleNet 的成功，主要是来源于网络中使用了Inception 这一网络结构，通过这一结构不仅增加了网络的深度和宽度，而且缩减了网络中的参数，提升了一定的运算性能。

GoogleNet 中包含了9 个Inception 模块，网络层数较多，如果单独计算网络层数的话，GoogleNet 中的网络层达到了100 多层。GoogleNet 为了方便搭建深层网络，构建了基础模块，每个模块基本相同，只是输出图像大小和通道数略有不同而已。GoogleNet 使用的激活函数为ReLU 函数，网络所能达到的最大感受野大小为224×224。Inception 之所以能够减少参数，其主要的思路是在使用3×3 和5×5 进行卷积操作时，会使用1×1 的卷积进行降维操作，其原因是5×5的卷积计算量较大，所以增加了降维操作。GoogleNet 利用不同的卷积核进行并行连接，在保证感受野的同时还能对图像进行不同特征的提取，最后完成图像特征的拼接，丰富了图像的特征信息。GoogleNet 利用平均池化代替了全连接层，并且使用了Dropout 随机函数，避免网络的过拟合现象。GoogleNet 网络的成功，使得后续出现了InceptionV2，V3，V4 等模块，不断的提高Inception 的模块性能。

InceptionV2 模块，其主要的改进是在Inception 中加入了Batch Normalization。

Batch Normalization 是为了解决深度网络所带来的梯度消失而出现的，由于越深的网络，其网络层数也越多，而数据在经过每一层网络之后，其数据的分布也发生了改变。那么这会使得网络寻找数据的规律变难，为此在深度网络中一般都是使用较小的学习率，以及特定的参数初始化值，防止网络梯度消失，但是这样会造成网络训速度变慢。变慢的主要原因是数据的分布发生了变化，为了保证数据分布的一致性，加入了BN 层，在网络的每一层后加入BN 层，对数据进行归一化操作，保证数据的分布不改变，这样加入BN 层后，即可使用较大的学习速率，从而加快网络的收敛速度，在一定程度上还会防止梯度的消失，使得训练具有较多层次的网络结构成为了可能 。本文后续的网络设计，受到了该模块的影响，在设计时加入了Inception-V2 模块。

3.2 VGG

VGGNET 是由牛津大学和谷歌共同提出的一个深度卷积网络，VGG 其主要结构是卷积网络，在2014 年的ImageNet 比赛中获得了亚军，冠军则是3.1 节所介绍的GoogleNet。VGG 的版本较多，共有6 种不同结构，最常用的是VGG-16 版本，该版本的卷积层个数为13，全连接层的个数为3，还包括池化层，池化层为5 层。VGG 虽然是亚军，但其独特的设计理念还是引发了诸多研究者的青睐。

VGG 网络的结构特点是比较明显的，具体的，VGG 中的各卷积层结构基本相同，并且使用的池化操作也相同，都是将上一卷积层特征缩减一半，并且使用的都是较小的卷积核，因而深度也较深，保证网络的较大感受野。本文后续的网络设计，受到了该模块的影响，在设计时加入了VGG 网络的思想。

3.3 VG-AMD

为了提高深度卷积网络的准确性，在设计VG-AMD 时使用了Inception-V2 模块结构，具体如图4 所示。通过多个卷积核提取图像不同尺度的特征，最后进行融合，这样能够获得更好的图像特征。并且，在Inception V2 结构中，用两个3×3 的结构代替了5×5 的结构，在保持感受野不变的情况下，缩减了运算的参数，提高了运算的性能。

图4： Inception V3 结构

受到VGG 与GoogleNet 网络的启发，设计了如表1 所示的网络结构，命名为VG-AMD。

表1： VG-AMD 网络结构

VG-AMD 网络中，包含7 个卷积层，1 个全连接层，4 个池化层。7 个卷积层的目的是从眼底图像中提取不同的特征，其中使用了2 个Inception-v2 模块，代替普通的卷积层，其目的是提取更丰富的图像特征。4 个池化层可以降低图像的维度，最后一个池化层使用了平均池化，减少了网络参数。卷积层的步长为1，池化层的步长为2，全连接层后接softmax 层，完成二分类的分类任务，即眼底图像正常与眼底图像为黄斑变性两类。由表1 可见，图像的输入大小为227×227×3，通过第一次卷积层后，图像大小变为225×225，通道数为16，然后经过最大池化，降低图像大小，变为112×112。接着进行相同的卷积与池化操作，使图像变为22×22×256，并完成全局池化，输入到全连接层，最后利用softmax 完成概率输出。

4 实验与结果分析

本实验所提方法的实现是基于深度学习框架Pytorch 实现的，采用Adam 优化算法，在一块NVIDIA 3090GPU 上完成训练和测试。学习率设置为0.001，批次为100，批次大小设置为24，损失函数为交叉熵损失函数。实验将数据分为训练集与测试集，训练集占80%，测试集占20%。经过图像预处理，共获得1210 张正常眼底图像，612 张AMD图像，通过上述方法进行训练和测试，最终的结果如表2 所示。

表2： VG-AMD 网络训练与测试结果

由表2 结果可知，VG-AMD 在测试集上的准确率为93.1%，在训练集上的准确率为94.2%，相差只有1.1%，VG-AMD 并不存在过拟合的现象。虽然VG-AMD 的识别率达到了93.1%，并且AUC 值达到了0.93，但是要想进一步提高VG-AMD 的性能，修改网络结构是一方面，数据样本的数量也是比较关键的一个环节，数据样本的缺少，会造成网络泛化性能的偏低。

5 总结

本文提出了一种以卷积网络为基础的自动化黄斑变性诊断技术。通过公开数据集收集了实验所用图像，并进行了相关的预处理和数据增强操作，然后经过设计的VG-AMD 网络，可以自动的提取特征，并完成分类任务，准确率达到了93.1%，可以很好的作为医生诊断的辅助工具。