[论文解读] Towards Ophthalmologist Level Accurate Deep Learning System for OCT Screening and Diagnosis

Mrinal Haloi|arXiv (Cornell University)|Dec 12, 2018

Retinal Imaging and Analysis参考文献 11被引用 7

一句话总结

本文提出了一种基于深度学习的、完全自动化的OCT筛查系统，在诊断CNV、DME、Drusen及正常视网膜状况方面达到了眼科医生水平的准确率。该模型采用250层注意力全卷积网络，结合先进的迁移学习与在线随机增强技术，在大规模公开OCT数据集上实现了100%的敏感度与特异性，其分类性能优于人类专家。

ABSTRACT

In this work, we propose an advanced AI based grading system for OCT images. The proposed system is a very deep fully convolutional attentive classification network trained with end to end advanced transfer learning with online random augmentation. It uses quasi random augmentation that outputs confidence values for diseases prevalence during inference. Its a fully automated retinal OCT analysis AI system capable of pathological lesions understanding without any offline preprocessing/postprocessing step or manual feature extraction. We present a state of the art performance on the publicly available Mendeley OCT dataset.

研究动机与目标

• 开发一种能够以与人类眼科医生相当或更优的性能，从OCT扫描中诊断视网膜疾病的AI系统。
• 通过构建端到端可训练的全自动化模型，消除对手动预处理或特征工程的需求。
• 提升视网膜疾病筛查的可及性，特别是在偏远或资源匮乏地区。
• 通过在OCT图像中学习时间与空间特征，提升诊断速度与一致性。
• 在Mendeley OCT数据集上，使用极少的标注数据实现最先进的性能，并具备强大的泛化能力。

提出的方法

• 开发了一种具有约5000万个可训练参数和250层的非常深的全卷积注意力分类网络。
• 模型采用端到端训练，结合先进的迁移学习，从在ChestXray-14数据集上预训练的变分自编码器进行初始化。
• 在线随机数据增强包括随机翻转、颜色抖动（色调、饱和度、对比度）以及输入块的随机遮盖。
• 输入图像被缩放为256×256×3，并裁剪为224×224×3，使用每幅图像的均值与标准差进行标准化。
• 该框架基于TEFLA（一种基于TensorFlow的框架），采用批量归一化、Nesterov动量和梯度归一化以实现稳定训练。
• 应用标签平滑、dropout以及批量样本平衡策略，以防止过拟合并提升泛化能力。

实验结果

研究问题

• RQ1 深度学习模型是否能够在无需手动特征提取的情况下，实现与眼科医生水平相当的OCT图像分类诊断准确率？
• RQ2 从相关医学影像数据集（ChestXray-14）中进行高级迁移学习，如何提升在较小OCT数据集上的性能？
• RQ3 在线随机数据增强（包括随机遮盖）在多大程度上增强了模型的泛化能力与鲁棒性？
• RQ4 全自动化、端到端的深度学习系统是否能够在OCT诊断的敏感度与特异性方面超越人类专家？
• RQ5 该模型在区分多种疾病类别下的正常与病理性OCT扫描方面表现如何？

主要发现

• 在测试集上，该模型在正常与异常OCT扫描的二分类任务中实现了100%的敏感度与100%的特异性。
• 在多分类任务中，该模型在所有类别（正常、CNV、DME、Drusen）中均实现了100%的精确率、召回率与F1分数。
• 受试者工作特征（ROC）曲线显示，正常与异常分类的AUC为1.0，表明具有完美的判别能力。
• T-SNE可视化结果表明，模型学习到的特征在嵌入空间中能清晰地区分不同疾病类别。
• 热力图分析显示，该模型聚焦于临床上相关的视网膜区域，如与CNV、DME和Drusen相关的病灶。
• 在相同分类任务中，该系统在一致性和速度方面均优于平均水平的人类眼科医生。