[论文解读] Comparisonal study of Deep Learning approaches on Retinal OCT Image

Nowshin Tasnim, Mahmudul Hasan+1 more|arXiv (Cornell University)|Dec 16, 2019

Retinal Imaging and Analysis参考文献 16被引用 5

一句话总结

本研究评估了四种深度学习模型——普通卷积神经网络（Vanilla CNN）、Xception、ResNet50 和 MobileNetV2——在从可变尺寸光学相干断层扫描（OCT）图像中自动检测视网膜疾病（CNV、DME、Drusen、正常）方面的表现。通过在 84,452 幅 OCT 扫描图像上使用迁移学习和端到端训练，MobileNetV2 达到了 99.17% 的最高测试准确率，优于当前最先进的方法。

ABSTRACT

In medical science, the use of computer science in disease detection and diagnosis is gaining popularity. Previously, the detection of disease used to take a significant amount of time and was less reliable. Machine learning (ML) techniques employed in recent biomedical researches are making revolutionary changes by gaining higher accuracy with more concise timing. At present, it is even possible to automatically detect diseases from the scanned images with the help of ML. In this research, we have taken such an attempt to detect retinal diseases from optical coherence tomography (OCT) X-ray images. Here, we propose a deep learning (DL) based approach in detecting retinal diseases from OCT images which can identify three conditions of the retina. Four different models used in this approach are compared with each other. On the test set, the detection accuracy is 98.00\% for a vanilla convolutional neural network (CNN) model, 99.07\% for Xception model, 97.00\% for ResNet50 model, and 99.17\% for MobileNetV2 model. The MobileNetV2 model acquires the highest accuracy, and the closest to the highest is the Xception model. The proposed approach has a potential impact on creating a tool for automatically detecting retinal diseases.

研究动机与目标

• 开发一种基于深度学习的自动化、高精度方法，用于从 OCT 图像中检测视网膜疾病。
• 评估并比较四种预训练卷积神经网络架构——Vanilla CNN、Xception、ResNet50 和 MobileNetV2——在可变尺寸 OCT 图像上的性能。
• 证明迁移学习可在无需大量图像预处理或人工特征提取的情况下实现高诊断准确率。
• 提供一种稳健、可扩展的工具，用于早期检测 CNV、DME 和 Drusen 等视网膜疾病。
• 通过在一个统一的训练框架中处理类别分布不平衡和图像尺寸可变的问题，为未来研究建立基线。

提出的方法

• 对四种预训练的深度神经网络架构——Vanilla CNN、Xception、ResNet50 和 MobileNetV2——进行微调，用于视网膜 OCT 图像的多类别分类任务。
• 数据集包含 84,452 幅 OCT 图像，分为四种类别：CNV（占 44.57%）、DME（占 13.59%）、Drusen（占 10.32%）和正常（占 31.52%），输入图像尺寸可变。
• 在预处理阶段，将图像缩放至固定分辨率以统一所有模型的输入，未使用额外的图像增强或分割技术。
• 使用随机梯度下降法进行训练，批量大小为 32，共训练 15 个周期，并通过数据增强提升模型泛化能力。
• 评估指标包括在独立测试集上的准确率、精确率、敏感度（召回率）和 F1 分数，以确保性能评估的无偏性。
• 未使用任何外部图像处理或手工设计的特征提取方法；模型直接从原始 OCT 图像中学习特征。

实验结果

研究问题

• RQ1 哪种深度学习架构在将视网膜 OCT 图像分类为 CNV、DME、Drusen 和正常类别时达到最高准确率？
• RQ2 在可变尺寸 OCT 图像上进行训练，与使用固定尺寸预处理相比，对模型性能有何影响？
• RQ3 使用预训练模型进行迁移学习，是否能在无需大量数据预处理的情况下实现视网膜疾病检测的优越性能？
• RQ4 在类别不平衡的数据集中，不同模型的性能指标（精确率、敏感度、F1 分数）如何比较？
• RQ5 使用轻量化模型如 MobileNetV2 和 Xception，是否能实现与 ResNet50 和普通 CNN 等深层架构相当或更优的性能？

主要发现

• MobileNetV2 达到了 99.17% 的最高测试准确率，优于本研究中评估的所有其他模型。
• Xception 模型达到 99.07% 的测试准确率，排名第二，表现出色，具有高精确率和高敏感度。
• 普通卷积神经网络（Vanilla CNN）达到 98.00% 的测试准确率，尽管架构更简单，但仍表现出稳健性能。
• ResNet50 达到 97.00% 的测试准确率，低于 MobileNetV2 和 Xception，表明在本数据集上性能不够理想。
• 所有模型的 F1 分数均很高（MobileNetV2 和 Xception 均为 0.99），表明各类别间精确率与召回率保持良好平衡。
• 训练和验证准确率曲线显示，MobileNetV2 和 Xception 早期即达到高性能并趋于稳定，表明收敛速度快且模型鲁棒。