《Frontiers in Artificial Intelligence》:ARTNet: Adaptive channel-wise and Region-aware Transformer Network for diabetic retinopathy segmentation and classification
编辑推荐:
摘要
早期准确检测糖尿病视网膜病变(DR)对于预防不可逆视力丧失至关重要;然而,人工筛查劳动强度大且受观察者间差异影响。为解决上述局限,研究人员提出ARTNet——一种用于从视网膜眼底图像中自动进行DR分类与分割的自适应通道与区域感知Transformer网
摘要
早期准确检测糖尿病视网膜病变(DR)对于预防不可逆视力丧失至关重要;然而,人工筛查劳动强度大且受观察者间差异影响。为解决上述局限,研究人员提出ARTNet——一种用于从视网膜眼底图像中自动进行DR分类与分割的自适应通道与区域感知Transformer网络。ARTNet整合了三个子网络机制。自适应通道特征网络(ACFNet)利用双池化和共享多层感知机执行通道重校准,以增强判别性视网膜表征,同时抑制无关响应。眼科区域感知注意力网络(ORAANet)应用空间注意力以突出临床显著区域,包括病变和异常血管。视网膜补丁聚合编码器网络(RPAENet)基于多头自注意力,捕获长距离依赖和全局视网膜上下文,用于层级特征建模。卷积细化和全局平均池化实现了稳健的五类DR分类,而类平衡焦点损失缓解了数据不平衡问题并提升了少数类敏感性。在基准数据集上的大量实验证明了ARTNet相较于中间模型和最先进模型的优越性。在糖尿病视网膜病变检测数据集上,ARTNet实现了96.45%的准确率、96.85%的精确率、96.34%的召回率和96.60%的F1分数。该模型进一步在APTOS-2019失明检测和IDRiD数据集上得到验证。分类性能使用图像级DR分级指标评估,而病变分割性能使用仅在IDRiD数据集中可用的像素级病变标注评估。结果表明,双注意力结合基于Transformer的全局推理改善了特征表示和分类可靠性。其效率和稳定性支持实时眼科筛查和临床决策系统。
论文解读:ARTNet——面向糖尿病视网膜病变分割与分类的自适应通道与区域感知Transformer网络
一、研究背景与问题
糖尿病已成为全球性的医疗健康危机,其日益增长的患病率对全球医疗系统构成严峻挑战。糖尿病视网膜病变(Diabetic Retinopathy, DR)作为糖尿病的主要微血管并发症之一,具有进行性发展的特征,已成为工作年龄人群中视力损伤和可预防性失明的主要原因。临床证据几乎一致表明,早期、频繁的筛查能够有效阻止DR的进展并预防晚期视力丧失。然而,目前的筛查金标准依赖于眼科医生对视网膜眼底图像的人工判读,该过程耗时、主观,且高度依赖训练有素的专家,这构成了限制庞大且不断增长的糖尿病患者群体获得医疗服务的重大瓶颈。为解决上述制约,建立视网膜图像自动分析系统已成为重要的研究领域和公共卫生战略优先事项。
DR的诊断依赖于识别某些病理病变,如微动脉瘤(MAs)、出血(HEs)和硬性渗出物(EXs)。自动化检测这些病变具有挑战性,因为它们对比度低且外观变化大。例如,微动脉瘤作为通常的初始临床特征,体积小、对比度低,在视网膜背景下几乎不可见。此外,图像质量不一致(包括光照不足和伪影)也常使计算机系统的行为变得困难。早期计算机辅助诊断系统采用依赖手工特征工程的传统机器学习方法,这些方法虽然具有开创性,但往往较为脆弱,难以泛化到不同的患者群体和成像设备。深度学习的出现,特别是卷积神经网络(CNNs),带来了范式转变,其性能已与人类专家相当甚至更优。然而,CNN固有的局部感受野架构限制了其对图像内长距离空间依赖关系的建模能力,这在眼科中是一个显著缺陷,因为远处病变之间的空间关系可能具有临床意义。视觉Transformer(ViTs)利用自注意力机制建模全局关系,在理解复杂上下文信息方面更强,但需要大量训练数据且归纳偏置较弱,在处理有限或专业化的医学数据集时面临挑战。此外,将深度学习模型转化为可靠的临床工具仍受制于若干关键限制:领域偏移导致模型泛化能力差、真实临床实践中图像质量变化导致诊断准确性下降、以及大多数高性能模型作为"黑箱"缺乏可解释性。因此,最显著的研究空白在于开发一个统一框架,能够克服现有方法的局限,在保持跨数据集稳健性的同时提供高诊断准确率,并在不同成像条件下展现强泛化能力。
二、研究内容与结论
针对上述问题,研究人员提出了ARTNet架构,用于DR的自动检测和分割。ARTNet整合了三个关键子网络:自适应通道特征网络(ACFNet)采用双池化驱动的通道重加权机制,增强诊断相关病变特征并抑制冗余背景响应;眼科区域感知注意力网络(ORAANet)通过区域感知注意力学习定位临床显著视网膜区域,改善病变定位并增强模型可解释性;视网膜补丁聚合编码器网络(RPAENet)结合多头自注意力和卷积细化,建模长距离依赖并保留空间层级结构。该模型在糖尿病视网膜病变检测数据集上达到了96.45%的准确率,在APTOS-2019和IDRiD数据集上也表现优异。这项研究具有重要意义,它提供了一个统一的自动DR筛查框架,实现了高诊断准确率与跨数据集稳健性的平衡,且每帧约25毫秒的低推理延迟支持实时眼科筛查和临床决策系统。论文发表在《Frontiers in Artificial Intelligence》。
三、主要关键技术方法
本研究主要采用了以下关键技术方法:首先,利用基于Vision Transformer的补丁嵌入机制,将224×224×3的眼底图像分割为16×16的非重叠补丁,经线性投影和位置编码生成768维嵌入向量。其次,设计了三个核心子网络模块:ACFNet通过并行自适应平均池化和最大池化压缩空间维度,经共享MLP建模通道间非线性依赖并生成通道注意力系数;ORAANet通过通道维度的平均和最大池化生成区域描述符,经7×7卷积生成区域感知注意力图;RPAENet基于6层、8注意力头的Transformer编码器捕获长距离依赖。最后,采用类平衡焦点损失函数应对数据不平衡问题。模型仅使用糖尿病视网膜病变检测数据集训练,APTOS-2019和IDRiD仅用于外部测试以评估跨数据集泛化能力。
四、研究结果
4.1 消融研究
通过在糖尿病视网膜病变检测数据集上逐步集成各架构组件,观察到一致的性能提升趋势。基线配置ACFNet的准确率为0.6057,MCC为0.2119。引入ORAANet使准确率提升9.92%,MCC提升56.53%。加入RPAENet使准确率提升至0.7053,MCC提升至0.4103。混合配置中,ORAANet+RPAENet达到0.9209的准确率。完整ARTNet模型在所有指标上均取得最高性能,准确率达0.9645,MCC达0.9290,Dice和IoU分别提升至0.9000和0.8163。
4.2 APTOS-2019数据集对比研究
在APTOS-2019失明检测数据集上,完整ARTNet模型取得最优性能,准确率达84.84%,精确率83.92%,召回率85.56%,F1分数84.73%,MCC为0.6969,相较于最优混合配置ORAANet+RPAENet均有提升。
4.3 IDRiD数据集对比分析
在IDRiD数据集上,完整ARTNet模型取得最佳性能,准确率81.93%,精确率87.76%,召回率91.49%,F1分数89.58%,MCC为0.7830,显著优于其他配置。
4.4 ARTNet交叉验证性能分析
采用10折交叉验证评估ARTNet,模型平均准确率为0.9656±0.0016,精确率0.9690±0.0014,召回率0.9643±0.0016,F1分数0.9665±0.0015,MCC为0.9319±0.0021,Dice系数0.9464±0.0017,IoU为0.8958±0.0024,各项指标标准差极小,证明了模型的稳健性和泛化能力。
4.5 ARTNet在DR数据集上的统计比较性能
在三个数据集上进行统计比较,ARTNet均优于所有中间变体。通过配对t检验进行统计显著性检验,结果显示在DR Detection(p=0.003)、APTOS-2019(p=0.008)和IDRiD(p=0.021)三个数据集上,ARTNet相对最强基线模型(ORAANet+RPAENet)的提升均具有统计学显著性。混淆矩阵显示大多数预测集中在对角线上,多类ROC曲线显示所有类别的AUC值在0.958至0.992之间,宏平均和微平均AUC分别为0.974和0.983。类别级性能分析显示,各DR分级均保持高精确率、召回率、特异性和F1分数。总体分类性能方面,模型实现96.45%的总体准确率,宏平均和加权平均指标分别超过93%和96%。
4.6 与最先进模型的对比分析
与现有方法相比,ARTNet在DRD上实现0.9645准确率、0.8163 IoU和Dice;在APTOS-2019上实现0.8484准确率、0.7267 IoU和0.8473 Dice;在IDRiD上记录0.8193准确率、0.8958 F1/Dice和0.8051 IoU。这些数值超过同一数据集上竞争模型报告的分数,表明ARTNet在判别能力和结构分割精度之间实现了有利平衡。
五、讨论与结论
讨论部分指出,ARTNet通过将ACFNet、ORAANet和RPAENet整合为统一框架,有效捕获了细粒度视网膜病变特征和全局上下文信息。然而,该模型仅使用公开基准数据集评估,尚未经过外部多中心临床数据验证,且仅依赖视网膜眼底图像,未纳入光学相干断层扫描(OCT)等多模态成像。训练过程需要大量计算资源。研究结论表明,ARTNet在糖尿病视网膜病变检测数据集上实现96.45%的准确率、96.85%的精确率、96.34%的召回率和96.60%的F1分数;在APTOS-2019数据集上实现84.84%的准确率、83.92%的精确率、85.56%的召回率和84.73%的F1分数;在IDRiD数据集上实现81.93%的准确率、87.76%的精确率、91.49%的召回率和89.58%的F1分数。ARTNet显著增强了判别能力、病变定位准确性以及跨多样视网膜数据集的泛化能力,为可靠的自动DR筛查提供了稳健框架,能够实现早期检测并有效预防视力丧失。