[论文解读] A multi-task deep learning model for the classification of Age-related Macular Degeneration

Qingyu Chen, Yifan Peng+6 more|arXiv (Cornell University)|Dec 2, 2018

Retinal Imaging and Analysis参考文献 15被引用 46

一句话总结

该论文引入一个多任务深度学习模型，先对四个 AMD 特征进行打分（drusen 区域、地理性萎缩、色素增加、去色），再计算 AREDS 1-9 严重度分数，在 AREDS 和 AREDS2 数据集上在准确率和 F1 分数方面优于现有方法。

ABSTRACT

Age-related Macular Degeneration (AMD) is a leading cause of blindness. Although the Age-Related Eye Disease Study group previously developed a 9-step AMD severity scale for manual classification of AMD severity from color fundus images, manual grading of images is time-consuming and expensive. Built on our previous work DeepSeeNet, we developed a novel deep learning model for automated classification of images into the 9-step scale. Instead of predicting the 9-step score directly, our approach simulates the reading center grading process. It first detects four AMD characteristics (drusen area, geographic atrophy, increased pigment, and depigmentation), then combines these to derive the overall 9-step score. Importantly, we applied multi-task learning techniques, which allowed us to train classification of the four characteristics in parallel, share representation, and prevent overfitting. Evaluation on two image datasets showed that the accuracy of the model exceeded the current state-of-the-art model by > 10%.

研究动机与目标

• 推动自动化、可扩展的 AMD 严重度分级，超越人工的九步评分，因为专家分级的时间成本很高。
• 通过预测四个 AMD 特征并推导出九步 AREDS 严重度量表，模拟人类读片中心的分级过程。
• 利用多任务学习在特征之间共享表示、降低过拟合。
• 在 AREDS 和 AREDS2 数据集上评估鲁棒性和泛化能力，并与现有模型进行比较。

提出的方法

• 提出一种多任务架构，其中四个分类器共享初始层(基于 Inception-V3 的特征提取器)，并为每个 AMD 特征配备任务特定的头部。
• 使用预处理步骤将亮度归一化、裁剪为正方形并调整为512x512像素。
• 应用数据增强（旋转、翻转）和 dropout 以减缓过拟合；使用 Adam 优化器并以交叉熵损失进行训练。
• 实现两阶段训练：(i) 同时训练所有任务以学习共享表示，(ii) 在冻结共享层的同时微调任务特定头部。
• 将四个特征的预测结果用于根据论文 Table 1 中的定义映射计算 AREDS 严重度分数，映射为 drusen area、geographic atrophy、increased pigment、depigmentation。
• 与 Grassmann 等人的模型和在 AREDS 上训练的 CNN 基线进行比较，使用 AREDS 的五折交叉验证和 AREDS2 的独立测试。

实验结果

研究问题

• RQ1 多任务模型在 AREDS 和 AREDS2 上预测 AREDS 1-9 严重度量表时，是否优于单任务和基线 CNN 模型？
• RQ2 四个 AMD 特征的中间预测是否提升最终严重度评分的准确性和可解释性？
• RQ3 从 ImageNet 的迁移学习和多任务训练如何影响在 AREDS 与 AREDS2 数据集上的泛化？
• RQ4 哪个 AMD 特征在严重度评分中的错误贡献最大，类别平衡如何影响性能？
• RQ5 多任务方法对 AREDS 与 AREDS2 数据集之间的分布变化是否具有鲁棒性？

主要发现

• 多任务模型在 AREDS 和 AREDS2 数据集的各项指标上均优于 CNN 基线和 Grassmann 模型。
• 在 AREDS2 上，多任务模型在加权 F1 分数约高出 5%、Kappa 大约高出 3%、准确率约高出 4% 相较于 CNN 基线。
• 与单任务学习相比，多任务学习的加权 F1 分数大约高出 4%，其他指标大约高出 2%。
• 使用 ImageNet 的预训练权重进行迁移学习有助于提升泛化能力，尤其是在 AREDS2 上。
• 错误分析显示 drusen area 分类是主要瓶颈，存在类别间准确率偏低的情况，提示数据不平衡和某些类别样本有限。