[论文解读] The Medico-Task 2018: Disease Detection in the Gastrointestinal Tract using Global Features and Deep Learning

Vajira Thambawita, Debesh Jha+5 more|arXiv (Cornell University)|Oct 31, 2018

COVID-19 diagnosis using AI参考文献 13被引用 28

一句话总结

本文提出了一种结合全局特征与迁移学习的深度学习方法，用于胃肠道疾病检测，采用双卷积神经网络（ResNet-152 和 DenseNet-161）并使用多层感知机融合预测结果。该方法在 Medico-Task 2018 基准测试中实现了 95.80% 的准确率、95.87% 的精确率和 95.80% 的 F1 分数，优于单一网络模型和简单平均方法。

ABSTRACT

In this paper, we present our approach for the 2018 Medico Task classifying diseases in the gastrointestinal tract. We have proposed a system based on global features and deep neural networks. The best approach combines two neural networks, and the reproducible experimental results signify the efficiency of the proposed model with an accuracy rate of 95.80%, a precision of 95.87%, and an F1-score of 95.80%.

研究动机与目标

• 为解决从内镜图像中对 16 种高度不平衡的胃肠道疾病类别进行分类的挑战。
• 通过迁移学习与全局特征提取，提升在小样本、不平衡数据集上的分类性能。
• 探索结合多个预训练网络的集成深度学习策略，以实现更好的泛化能力。
• 减少视觉上相似类别之间的误分类，例如食管炎与正常 Z 线。
• 开发一个在验证集和未见测试数据上均具有良好泛化能力的鲁棒模型。

提出的方法

• 通过 LIRE 提取全局特征（如 PHOG、Tamura、颜色布局）用于图像表征，并将其用于逻辑分类器（SimpleLogistic 和 Logistic Model Tree）。
• 采用 ImageNet 预训练的 ResNet-152 和 DenseNet-161 进行迁移学习，微调最后几层以实现 16 类胃肠道疾病分类。
• 使用数据增强（翻转、旋转、缩放）和动态学习率调度以防止过拟合和陷入局部极小值。
• 同时训练两个网络，使用独立的损失函数（损失 1 和损失 2），以支持权重的独立更新。
• 引入一个具有 32 个输入和 16 个输出的多层感知机（MLP），学习两个网络概率输出的非线性融合，替代简单的平均方法。
• 冻结预训练的 CNN 模型，仅微调 MLP 以学习最优决策融合，从而提升泛化能力与性能。

实验结果

研究问题

• RQ1 将两个预训练的深度神经网络与可学习的融合机制结合，是否能提升在小样本、不平衡胃肠道疾病数据集上的分类准确率？
• RQ2 用可训练的 MLP 替代网络输出的简单平均，是否能在多分类医学图像分类中带来更好的性能？
• RQ3 与深度学习方法相比，结合全局特征与传统机器学习模型在胃肠道疾病检测中的有效性如何？
• RQ4 在低数据环境下，数据增强与动态学习率调度在内镜图像分类中多大程度上能缓解过拟合？
• RQ5 为何某些疾病类别（如食管炎与正常 Z 线）即使在整体准确率较高时仍容易发生误分类？

主要发现

• 所提出的使用 ResNet-152 与 DenseNet-161 并结合 MLP 融合层的方法，在验证集上实现了 95.80% 的准确率、95.87% 的精确率和 95.80% 的 F1 分数。
• 基于 MLP 的融合方法（方法 5）优于简单平均方法（方法 4），准确率从 95.55% 提升至 95.80%。
• 模型在官方测试集上实现了 99.32% 的准确率，表明其具有出色的泛化能力与鲁棒性。
• 混淆矩阵显示，食管炎（E）与正常 Z 线（I）之间存在显著的误分类，归因于内镜下外观的高度相似性。
• 方法 5 展现了高特异性（99.71%）与 Matthews 相关系数（0.9546），表明其在不平衡数据上的优异表现。
• 通过引入额外的多层感知机学习最优融合函数，性能显著优于固定平均方法，验证了可学习集成方法的价值。