[论文解读] REFUGE2 Challenge: A Treasure Trove for Multi-Dimension Analysis and Evaluation in Glaucoma Screening

Huihui Fang, Fei Li+26 more|arXiv (Cornell University)|Feb 18, 2022

Retinal Imaging and Analysis被引用 16

一句话总结

本文介绍了REFUGE2挑战赛，这是一个大规模、多设备、多质量的彩色眼底图像数据集，包含针对青光眼分类、视盘/杯段分割和黄斑定位的全面标注。该数据集能够在多样化的实际成像条件下对深度学习模型进行稳健评估，通过多任务学习和先进的网络架构（如U-Net、YOLOv5和HRNet）实现更好的泛化性能。

ABSTRACT

With the rapid development of artificial intelligence (AI) in medical image processing, deep learning in color fundus photography (CFP) analysis is also evolving. Although there are some open-source, labeled datasets of CFPs in the ophthalmology community, large-scale datasets for screening only have labels of disease categories, and datasets with annotations of fundus structures are usually small in size. In addition, labeling standards are not uniform across datasets, and there is no clear information on the acquisition device. Here we release a multi-annotation, multi-quality, and multi-device color fundus image dataset for glaucoma analysis on an original challenge -- Retinal Fundus Glaucoma Challenge 2nd Edition (REFUGE2). The REFUGE2 dataset contains 2000 color fundus images with annotations of glaucoma classification, optic disc/cup segmentation, as well as fovea localization. Meanwhile, the REFUGE2 challenge sets three sub-tasks of automatic glaucoma diagnosis and fundus structure analysis and provides an online evaluation framework. Based on the characteristics of multi-device and multi-quality data, some methods with strong generalizations are provided in the challenge to make the predictions more robust. This shows that REFUGE2 brings attention to the characteristics of real-world multi-domain data, bridging the gap between scientific research and clinical application.

研究动机与目标

• 解决在真实临床环境中缺乏大规模、多样化且标注完善的青光眼筛查眼底图像数据集的问题。
• 通过提供包含多设备和多质量数据的基准数据集，弥合科研与临床应用之间的差距。
• 实现对深度学习模型在多个任务上的全面评估：青光眼分类、视盘/杯段分割和黄斑定位。
• 通过整合来自不同成像设备和图像质量水平的数据变异性，促进可泛化的人工智能模型的发展。
• 建立标准化的在线评估框架，实现对青光眼筛查算法的一致性基准测试。

提出的方法

• REFUGE2数据集包含从多个设备采集的2000张彩色眼底图像，涵盖不同图像质量水平，并对青光眼状态、视盘和杯段分割以及黄斑定位进行了标注。
• 挑战赛包含三个子任务：(1) 青光眼分类，(2) 视盘和杯段分割，(3) 黄斑定位，每个任务均有专门的评估协议。
• 参赛者采用了多种深度学习架构，包括使用EfficientNet-B5和ResNet-50编码器的U-Net变体、用于目标检测的YOLOv5，以及用于特征提取的HRNet。
• 黄斑定位通过距离图回归、热力图回归以及使用裁剪图像块和多尺度特征融合的端到端策略实现。
• 模型采用了先进技术，如双向距离图回归、ROIAlign实现特征对齐，以及特征融合层（如FuseLayer）以结合粗粒度与细粒度特征。
• 通过集成方法提升性能，特别是在黄斑定位任务中，通过融合多个模型的预测结果实现性能优化。

实验结果

研究问题

• RQ1 在使用多设备、多质量的眼底图像进行训练时，不同深度学习架构在青光眼筛查任务中的表现如何？
• RQ2 联合学习多种眼底结构（如视盘、杯段、黄斑）在多大程度上能提升模型的泛化能力和定位准确性？
• RQ3 图像质量与设备差异对青光眼检测和解剖结构分割模型性能的影响如何？
• RQ4 基于粗到细的策略和多尺度特征融合是否能增强在多样化眼底图像中黄斑定位的鲁棒性？
• RQ5 在临床级眼底图像中，使用距离图回归与目标检测或热力图回归相比，对黄斑定位的影响是什么？

主要发现

• REFUGE2数据集通过纳入来自多种设备和不同质量水平的图像，显著提升了眼底图像基准数据集的多样性与现实感。
• 采用多尺度图像块裁剪和粗到细策略的模型在黄斑定位任务中取得了更高的准确性，尤其在图像质量较差的条件下表现更优。
• 距离图回归方法，特别是基于EfficientNet-B5编码器的U-Net或预训练HRNet的模型，在黄斑定位任务中优于标准分类和检测基线模型。
• 集成模型在黄斑定位任务中表现出色，其在所有图像质量分层（包括“拒收”质量图像）中均实现了中位数定位误差的降低。
• 通过引入解剖关系（如视盘与黄斑的相对位置）的双向距离图表示，显著提升了定位的一致性并降低了误差率。
• 挑战赛框架表明，当训练数据包含真实世界中的成像差异时，模型的泛化能力显著提升，支持其在临床环境中的实际部署。