[论文解读] Web Applicable Computer-aided Diagnosis of Glaucoma Using Deep Learning

Mijung Kim, Olivier Janssens+4 more|arXiv (Cornell University)|Dec 6, 2018

Retinal Imaging and Analysis参考文献 11被引用 6

一句话总结

本文提出了一种基于仅眼底图像的、集成于网络的深度学习系统，用于青光眼的诊断与定位，利用微调的VGG16卷积神经网络和Grad-CAM实现可解释性。在无分割标注的小型数据集上，该系统实现了91%的准确率和0.94的AUC，展示了出色的性能与临床可解释性，并通过一个公开的原型网络应用实现。

ABSTRACT

Glaucoma is a major eye disease, leading to vision loss in the absence of proper medical treatment. Current diagnosis of glaucoma is performed by ophthalmologists who are often analyzing several types of medical images generated by different types of medical equipment. Capturing and analyzing these medical images is labor-intensive and expensive. In this paper, we present a novel computational approach towards glaucoma diagnosis and localization, only making use of eye fundus images that are analyzed by state-of-the-art deep learning techniques. Specifically, our approach leverages Convolutional Neural Networks (CNNs) and Gradient-weighted Class Activation Mapping (Grad-CAM) for glaucoma diagnosis and localization, respectively. Quantitative and qualitative results, as obtained for a small-sized dataset with no segmentation ground truth, demonstrate that the proposed approach is promising, for instance achieving an accuracy of 0.91$\pm0.02$ and an ROC-AUC score of 0.94 for the diagnosis task. Furthermore, we present a publicly available prototype web application that integrates our predictive model, with the goal of making effective glaucoma diagnosis available to a wide audience.

研究动机与目标

• 开发一种仅基于眼底图像的青光眼计算机辅助诊断系统，避免依赖多种影像模态。
• 通过迁移学习和数据增强，解决医疗数据有限且缺乏分割真实标签的挑战。
• 利用单一模型实现青光眼的诊断与定位，无需手动分割标注。
• 创建一个用户友好的、公开可访问的网络应用程序，集成预测模型以实现实际部署。

提出的方法

• 在小型眼底图像数据集上对预训练的VGG16模型进行微调，用于青光眼分类，将最后的全连接层替换为全卷积层。
• 应用数据增强技术，包括随机裁剪、水平翻转以及随机亮度调整（sigma ±0.8），以提升泛化能力。
• 在每个卷积块后加入丢弃率（0.5）的Dropout层，并使用ADAM优化器，以减少过拟合并提高训练稳定性。
• 采用Grad-CAM技术可视化并定位眼底图像中的可疑区域，无需依赖分割真实标签。
• 进行5折交叉验证，并在第80个epoch时启用早停策略，以防止过拟合并优化模型性能。
• 将训练好的模型集成至原型网络应用程序中，支持拖拽上传图像，并实时输出概率结果及注意力图可视化。

实验结果

研究问题

• RQ1 仅使用眼底图像且无分割标注，深度学习模型能否实现青光眼的高诊断准确率？
• RQ2 在缺乏真实分割标签的情况下，Grad-CAM在定位青光眼病变区域方面的有效性如何？
• RQ3 数据增强与模型正则化技术在小规模医疗数据集上在多大程度上可缓解过拟合？
• RQ4 基于网络的界面能否有效向非专业用户交付具有临床可解释性的深度学习模型？
• RQ5 当在另一组标注有限的数据集上训练时，该方法的性能与现有方法相比如何？

主要发现

• 所提出的模型在无分割真实标签的小型眼底图像数据集上，实现了0.91 ± 0.02的诊断准确率和0.94的ROC-AUC得分。
• 模型在各类别上表现稳健，召回率为0.91，精确率为0.92，F1分数为0.91。
• Grad-CAM可视化结果在大多数青光眼病例中正确定位了可疑区域，经临床医生验证，但部分错误由图像模糊或质量低下导致。
• 与未使用数据增强的简单架构（如AlexNet）相比，采用VGG16结合数据增强和Dropout显著提升了泛化能力。
• 原型网络应用程序成功集成了模型，通过用户友好的拖拽上传界面实现了实时诊断与注意力图可视化。
• 该模型在另一数据集上优于先前采用AlexNet的方法，可能归因于VGG16更强的表征能力以及数据增强的使用。