金祝新 秦飛巍 方美娥,2*

1(杭州電子科技大學計算機學院 浙江 杭州 310018)2(廣州大學計算機科學與教育軟件學院 廣東 廣州 510000)

0 引 言

阿爾茲海默氏癥是一種起病隱匿的進行性發(fā)展的神經(jīng)系統(tǒng)退行性疾病，它會導致患者記憶功能的改變，同時認知功能和行為也會受到影響。該病對大腦的損傷是不可逆的，目前仍沒有有效的治療方案。隨著全球人口老年化、環(huán)境惡化的加劇，老年癡呆病患者的數(shù)量也在大量增長。輕度認知障礙(MCI)是介于正常衰老HC(Healthy Control)和癡呆之間的一種中間狀態(tài)，是一種認知障礙癥候群。輕度認知障礙患者被認為是阿爾茲海默氏癥患病的高危人群。若對MCI向AD階段轉化患者的可能性進行預測，進而對易發(fā)展為AD的MCI患者采取相應的治療干預手段,這是延緩AD發(fā)病的最有效方法。因此MCI醫(yī)學影像的精準識別與分類對于AD癥的診療是至關重要的。

隨著機器學習在圖像領域取得的出色成績，研究者們紛紛采取各種機器學習相關算法來建立自動化阿爾茨海默病檢測和分類的模型。比如Brosch等[1]開發(fā)了一種深度信念網(wǎng)絡模型(DBN),使用流形學習來從MRI圖像中進行AD檢測。Gray等[2]開發(fā)了一種多模式分類模型，使用隨機森林分類器從MRI和PET醫(yī)學圖像中檢測AD。Gupta等[3]采用2D卷積神經(jīng)網(wǎng)絡(CNN)進行MRI掃描的切片特征提取。為了提高分類性能，CNN首先在自然圖像的隨機片段上用稀疏自動編碼器(SAE)進行預訓練。Kl?ppel等[4]使用灰質(GM)體素作為特征并訓練SVM以區(qū)分AD和NC對象。將MRI分割為GM、白質(WM)和CSF部分，然后計算它們的體素密度，并將每個體素與GM、WM和CSF密度的矢量相關聯(lián)以進行分類。Liu等[5]利用MRI數(shù)據(jù)集中的多個選定模板提取多視圖特征；然后使用每個模板的組織密度圖對每個類中的受試者進行聚類，以便提取每個受試者的編碼特征；最后，使用支持向量機(SVM)來進行分類。劉等[6]開發(fā)了一種使用零掩模策略的多模式堆疊自編碼器網(wǎng)絡。目的是防止丟失圖像數(shù)據(jù)的任何信息，他們還使用SVM對從MRI/PET數(shù)據(jù)獲得的神經(jīng)影像特征進行分類。Zu等[7]通過多任務特征選擇方法提出一種多模態(tài)分類模型。特征學習方法是基于不同模態(tài)用不同的回歸模型，其中標簽信息用作正則化器，以減少新特征空間中不同模態(tài)的相似主題的差異。然后使用多核SVM進行分類。Payan等[8]利用稀疏的自動編碼器和3D CNN模型訓練ADNI數(shù)據(jù)集，從而對AD、MCI和HC患者進行分類。Suk等[9]使用多模式深度BM從每個選定的MRI和PET掃描片中提取一個特征，并用SVM集合預測AD。

上述方法能夠對MRI醫(yī)學影像進行自動化的識別與分類，節(jié)省人力資源和時間開銷。然而，由于AD醫(yī)學領域所固有的特點，導致現(xiàn)有許多自動化識別方法的準確率不夠高，難以應用于臨床實踐。首先，受現(xiàn)有醫(yī)療環(huán)境的限制，獲取帶標記的高質量大規(guī)模MRI數(shù)據(jù)集極為困難，而這對于訓練高準確率的自動化分類器非常關鍵；其次，大多數(shù)現(xiàn)有工作都采用從MRI或者PET醫(yī)學圖像中手工提取特征的方法，這些手工提取特征的方法在醫(yī)學上的應用不是十分理想的，不僅十分耗時，而且還需要依賴于醫(yī)學方面的專家；再者，其中大部分的相關工作都對醫(yī)學圖像做過多的預處理，這樣的操作可能破壞圖像數(shù)據(jù)集本身所固有的特征信息，導致準確率降低。

本文提出一種深度遷移學習輔助的阿爾茲海默氏癥早期診斷方法。一方面，基于圖像分類的理論，采用一種端到端的面向輕度認知障礙MRI圖像識別的MCINet模型，用于輔助AD癥的早期診斷。該模型不需要對MRI醫(yī)學圖像做更深層次的預處理，因而不會過多地損壞/丟失圖像原有的信息；另一方面，由于醫(yī)學圖像本身的規(guī)模就不大，而基于深度學習的圖像分類要想達到高精準的分類結果一般都需要上百萬的數(shù)據(jù)量，故本文利用遷移學習技術，目的是ImageNet的權重遷移(transfer)作為網(wǎng)絡的初始權重。此外，我們利用數(shù)據(jù)增廣(Data Augmentation)技術對原始MRI數(shù)據(jù)集進行擴充，并選取包含腦部信息最豐富的片數(shù)作為訓練集，以盡可能地提高數(shù)據(jù)集的質量，用于神經(jīng)網(wǎng)絡訓練。

1 方法概述

在AD分類中，最開始的是Coates等[10]提出的單層的特征學習方法，然后是Bo等[11]提出的兩層的特征學習方法，一直到目前使用的卷積神經(jīng)網(wǎng)絡[12]，分類方法也一直在改進。但是由于缺少高質量的標注的訓練樣本，因此訓練出來的模型可能會過擬合，或者準確率不高。本文算法的具體方法框架如圖1所示。

圖1 方法概述框圖

具體步驟如下：

步驟1根據(jù)AD領域的知識,基于卷積神經(jīng)網(wǎng)絡，采用了一種面向MCI圖像識別的深度神經(jīng)網(wǎng)絡分類器。

步驟2在大型公共數(shù)據(jù)集ImageNet得到預訓練模型。

步驟3對原始MRI數(shù)據(jù)集進行處理，先進行文件格式的轉換，將原始的MRI數(shù)據(jù)格式轉換成實驗所要求的實驗的訓練集，然后甄選滿足AD特征的MRI數(shù)據(jù)集。MRI數(shù)據(jù)的規(guī)模比較小故需先對數(shù)據(jù)進行數(shù)據(jù)增廣。

步驟4將預訓練模型的前兩層卷積層根據(jù)遷移學習的技術遷移到MCINet模型中，然后使用MRI醫(yī)學圖像數(shù)據(jù)集訓練調整該模型的剩余層數(shù)，從而使得神經(jīng)網(wǎng)絡學得的參數(shù)更加逼近全局最優(yōu)解。

步驟5模型評價：主要從兩個方面來對模型進行評價，一是在不引用遷移學習算法而完全采用MCINet模型來訓練數(shù)據(jù)集，二是將遷移學習與MCINet模型相結合來訓練數(shù)據(jù)集。然后根據(jù)訓練的結果，對兩種方法進行評估。

2 輸入模式生成

本文的實驗數(shù)據(jù)集是來自于ADNI網(wǎng)站上的MRI醫(yī)學圖像。每個原始的MRI圖像都是256×256×100，其中100為片數(shù)。圖2為HC、AD、MCI某一特征的MRI醫(yī)學圖像。

(a) AD 男(b) AD 女

(c) MCI 男(d) MCI 女

表1所示的是本實驗MRI數(shù)據(jù)集的信息其中包含患者的人數(shù)、年齡、性別和切片的數(shù)量。

表1 MRI數(shù)據(jù)集信息

由于MRI醫(yī)學圖像記錄的是整個腦部的信息，實驗需選取其中跟阿爾茲海默癥聯(lián)系緊密區(qū)域的圖像，即選取信息含量豐富的片數(shù)作為訓練集，這會大大提高分類的準確率。本文根據(jù)Liu等[6]利用統(tǒng)計分析法選出AD分類最重要的片數(shù)，再結合醫(yī)學專家的建議選取如圖3所示的三種不同特征的MRI圖片作為訓練集。

圖3 不同特征圖像

2.1 數(shù)據(jù)增廣

深度學習本身就是建立在大數(shù)據(jù)的基礎上，一般數(shù)據(jù)量越大準確率越高。而傳統(tǒng)學習算法的最大區(qū)別就在于當它達到一定的數(shù)據(jù)量后準確率會呈現(xiàn)一個收斂的狀態(tài)。所以基于深度學習的圖像分類就要考慮如何在有限的數(shù)據(jù)庫中習得有效的特征。一般，模型的質量與數(shù)據(jù)的質量和數(shù)量有著密切的關系，醫(yī)學圖像又有著高依賴成像設備和成像環(huán)境，圖像種類多差異，很難融合，像素大分辨率低，生物個體存在差異性等特點所以難以訓練和識別。如表2所示，本實驗在數(shù)據(jù)集數(shù)量上進行了擴充，由于ADNI網(wǎng)站上的人數(shù)非常有限，故本實驗將同一個主體不同時間采集的MRI圖像也考慮進去，即從時序的角度考慮，將患者隨時間周期而發(fā)生細微變化的MRI圖像來擴充數(shù)據(jù)集。從實驗的結果來看，這對提升準確率有一定的幫助。

表2 數(shù)據(jù)量對比表

2.2 醫(yī)學影像預處理

原始的MRI圖像的數(shù)據(jù)格式是DICOM，除了包含腦部圖像信息，還包含病人的基本信息，故在實驗中需要將其轉換成圖片格式。本文利用MATLAB工具中專門處理MRI圖像的函數(shù)包來讀取MRI數(shù)據(jù)中的圖像信息，然后將其轉換成圖片格式。轉化后的圖像的大小為256×256且每個主體包含100片相同大小的醫(yī)學圖像。由于MRI是灰度圖像，Caffe框架所需的輸入數(shù)據(jù)是三通道的彩色圖像所以需要把MRI圖像轉化成RGB三通道圖像。

實驗選用的是大腦軸向的圖像，表1為本實驗AD、MCI、HC的MRI數(shù)據(jù)集的相關信息。之前的研究都會對MRI圖像進行標準化的預處理，如將腦部圖像分割成三種不同的組織例如灰質(GM)、白質(WM)和脊髓液(CSF)，一般GM包含的信息比較多，于是大多的實驗只使用GM來進行分類，但實驗結果往往不是很理想。從而可以判斷出對腦部圖像的分割會影響分類的準確性。本文不對圖像做任何更深層次的預處理，由于這些處理有可能會破壞圖像某些潛在的信息，或者導致某些重要的信息缺損。

3 面向MCI圖像識別的深度神經(jīng)網(wǎng)絡分類器(MCINet)

深度學習是機器學習的一個分支，目的是為建立可以模仿人腦進行分析學習的神經(jīng)網(wǎng)絡。深度學習包含兩個重要特點，其中一個是自動提取特征它與傳統(tǒng)的人工提取特征有很大區(qū)別。另外一個特點通過組合底層特征來形成更加抽象的高級特征，例如，在計算機視覺鄰域，深度學習算法從原始圖像學習到一個底層特征，然后在此基礎上，通過線性或者非線性組合來獲得一個高層次的表達。神經(jīng)網(wǎng)絡主要分為三層，分別為輸入層、隱含層和輸出層。傳統(tǒng)神經(jīng)網(wǎng)絡一般只有兩到三層比如BP網(wǎng)絡和DBN網(wǎng)絡，而卷積神經(jīng)網(wǎng)絡的層數(shù)至少在四層以上，這也是它能進行深度學習的原因。深度學習的核心是特征學習，旨在通過分層網(wǎng)絡獲取分層次的特征信息，從而解決以往需要人工設計特征的重要難題。深度學習是一個框架，包含多個重要算法，例如，Convolutional Neural Networks(CNN)卷積神經(jīng)網(wǎng)絡、AutoEncoder自動編碼器、Sparse Coding稀疏編碼、Restricted Boltzmann Machine(RBM)限制波爾茲曼機、Deep Belief Networks(DBN)深信度網(wǎng)絡、Recurrent neural Network(RNN)多層反饋循環(huán)神經(jīng)網(wǎng)絡?，F(xiàn)今，深度學習已經(jīng)被應用在多個領域，其中就包括各種醫(yī)學圖像的分類。對于不同問題(圖像、語音、文本)，需要選用不同網(wǎng)絡模型才能達到理想的效果?；诒疚氖菍D像分類的性質，故采用CNN最為合適。CNN一般是由多個卷積層、池化層和全連接層組成的。基于此本文實驗采用的MCINet網(wǎng)絡模型，且它的網(wǎng)絡結構相對簡單，它的結構及參數(shù)如圖4所示，它有8層網(wǎng)絡結構(忽略激活函數(shù)、池化、LRN、Dropout層)，有5個卷積層和3個全連接層。第一卷積層使用大小為11×11的卷積核，步長為4；第二卷積層使用5×5的卷積核大小，步長為1；剩余卷積層的卷積核都是3×3，步長為1。激活函數(shù)為ReLU，池化層使用重疊的最大池化，大小為3×3，步長為2。在全連接層增加了Dropout。

圖4 算法框架

研究表明：診斷AD的關鍵部分特征主要有海馬體、顳葉、扣帶回等區(qū)域。而且研究發(fā)現(xiàn)卷積層第三層和第四層提取的特征的能力最強，故為了更準確地提取海馬體、顳葉等區(qū)域的特征，合適的卷積核的個數(shù)就顯得尤為重要，因此本實驗主要是第三層和第四層卷積核的個數(shù)進行改進。主要過程是將第三、四層卷積核的個數(shù)，從370開始做公差為2的批處理，到410為止。通過對比發(fā)現(xiàn)當卷積核的數(shù)量為398的時候準確率達到最高。圖4為該模型的算法框圖，表3為MCINet模型的參數(shù)說明。

表3 MCINet的模型

4 深度遷移學習

本文數(shù)據(jù)集的規(guī)模仍然不足以訓練出好的模型，故實驗采用了遷移學習(Transfer Learning)[16]的策略。遷移學習是把已訓練好的模型參數(shù)遷移到新的模型來幫助新模型訓練，這是因為大部分數(shù)據(jù)或任務是存在相關性的。通過遷移學習我們可以將已經(jīng)學到的模型參數(shù)通過某種方式和新模型進行共享從而加快并優(yōu)化模型的學習效率，而不用像大多數(shù)網(wǎng)絡那樣從零學習。值得一提的是，遷移學習并不局限于減少訓練數(shù)據(jù)的規(guī)模，還可以有效避免過度擬合(Over-fitting)，即建模數(shù)據(jù)超出了待解問題的基本范疇，一旦用訓練數(shù)據(jù)之外的樣例對系統(tǒng)進行測試，就很可能出現(xiàn)無法預料的錯誤。但由于遷移學習允許模型針對不同類型的數(shù)據(jù)展開學習，因此其在捕捉待解問題的內(nèi)在聯(lián)系方面的表現(xiàn)也就更優(yōu)秀。本文在算法方面進行的改進主要是先將MCINet網(wǎng)絡預訓練ImageNet數(shù)據(jù)得到的初始化權重用于訓練MRI數(shù)據(jù)集。本文主要對卷積層前兩層運用遷移學習的技術，即將訓練好的權重遷移到本網(wǎng)絡的卷積層前兩層。MCINet模型剩下的其他層使用隨機初始化即用本文的MRI數(shù)據(jù)集訓練MCINet，如圖5所示。其中在反向傳播(Back Propagation)的過程中，一般有兩種方法可以選擇：(1) 把遷移過來的前n層凍結(frozen)，也就是在訓練MCINet模型時不改變這n層的權重值；(2) 不凍結這n層，而是不斷調整這些權重的值也稱微調(fine-tune)。選擇這些方法的前提是數(shù)據(jù)集的大小和前n層的參數(shù)個數(shù)，如果數(shù)據(jù)集很小，而參數(shù)個數(shù)很多，為了防止過擬合，一般會采用凍結的方法，反之，采用fine-tune。故本文實驗防止過擬合采用的方法是將遷移過來的前兩層凍結，用本文MRI數(shù)據(jù)集訓練模型剩下的層數(shù)。

圖5 遷移學習算法框圖

5 實驗結果與分析

本實驗采用的卷積神經(jīng)網(wǎng)絡是通過Caffe框架實現(xiàn)的。該框架是用C++語言編寫的，可通過軟件VS2013查看，并通過MATLAB軟件實現(xiàn)卷積層的特征可視化。

5.1 定量分析

實驗準備了三組數(shù)據(jù)集，分別是AD vs. MCI、HC vs.MCI、AD vs HC。我們把MRI數(shù)據(jù)分成兩類: 10%為測試集，剩余的為訓練集。每個主體包含100片切片，總的切片數(shù)量如表1所示。然后選取如圖2所示的片數(shù)作為訓練集和測試集。

算法1是不考慮遷移學習的方法，用MCINet模型去訓練數(shù)據(jù)集。算法2是將遷移學習與MCINet模型相結合去訓練數(shù)據(jù)集。

表4是兩種算法訓練數(shù)據(jù)后得到的準確率的對比，由表中明顯可以看出算法2要優(yōu)于算法1。

表4 算法比較

圖6分別是通過MCINet再結合遷移學習來訓練三個訓練集得到的loss曲線和accuracy曲線。由loss曲線可知，loss在整體上呈下降趨勢，最后維持在0附近，accuracy曲線開始呈上升曲線，最后維持在一定的范圍內(nèi)，由此可知實驗的曲線是滿足深度學習曲線的規(guī)律。

(a)

(b)

(c)

(d)

(e)

(f)圖6 數(shù)據(jù)集的loss曲線與accuracy曲線

5.2 定性分析

圖7 均值圖

在訓練數(shù)據(jù)前，Caffe框架除了需要將輸入數(shù)據(jù)轉換成LMDB或者LevelDB的格式外，還要計算訓練集的均值文件，這是因為圖像減去均值后，在進行訓練或者測試時，會大大提高速度和精度，而這往往是深度學習進行大量計算所需要達到的效果。圖7是MCI vs HC這個訓練集下的均值可視化。

圖8是卷積神經(jīng)網(wǎng)絡各個卷積層的特征圖的可視化，這是將一張MCI的圖片進行測試而得到的。通過可視化這些特征圖可以更加清楚地了解卷積神經(jīng)網(wǎng)絡的工作過程。

圖8 特征圖

5.3 方法對比

表5是將前人研究實驗的分類準確率與本文實驗結果進行的對比。實驗分別對三個數(shù)據(jù)集即AD vs.HC，MCI vs.HC，AD vs.MCI的結果進行比較。從表中可以看出我們實驗的方法明顯優(yōu)于前人研究的方法，分別達到了95.0%、97.0%、86.8%。

表5 實驗準確率對比

6 結 語

本文在數(shù)據(jù)量一定的情況下，分別從數(shù)據(jù)和算法這兩個方面進行改進來提高分類的準確率。首先，通過數(shù)據(jù)增廣的方式擴充MRI數(shù)據(jù)集的規(guī)模。然后采用一種針對MRI圖像識別的端到端的深度神經(jīng)網(wǎng)絡分類器對AD、MCI、HC分類。受數(shù)據(jù)集規(guī)模的限制，本實驗將遷移學習技術與深度神經(jīng)網(wǎng)絡分類器相結合。為了驗證遷移學習的有效性，本文通過實驗對比，一種完全采用深度神經(jīng)網(wǎng)絡分類器對MRI數(shù)據(jù)集進行訓練，另一種引用遷移學習技術，即將將訓練公共數(shù)據(jù)集ImageNet得到的權重遷移到本網(wǎng)絡的卷積層前兩層，剩下的其他層用MRI數(shù)據(jù)集訓練。從實驗的結果來看，與遷移學習結合的深度神經(jīng)網(wǎng)絡分類器的方法更有效。但是本文仍然存在不足，比如分類的準確率仍需要進一步的提高。以后工作會考慮訓練集不僅僅用MRI數(shù)據(jù)也嘗試用信息量更豐富的DTI數(shù)據(jù)，或者采用三維的卷積神經(jīng)網(wǎng)絡對3D的醫(yī)學圖像進行訓練，而且會繼續(xù)考慮信息量最豐富的片數(shù)是否可以進行自動挑選。