王正業(yè) ，卡迪力亞·庫爾班 ，吳 淼 ，嚴(yán)傳波

（1.新疆醫(yī)科大學(xué) 公共衛(wèi)生學(xué)院，新疆 烏魯木齊 830011；2.新疆醫(yī)科大學(xué) 醫(yī)學(xué)工程技術(shù)學(xué)院，新疆 烏魯木齊 830011）

0 引言

肝包蟲病，又名肝棘球蚴病，是一種古老的人畜共患病，主要有兩種類型的肝包蟲，第一種是較為常見的由細(xì)粒棘球蚴的蟲卵所感染的囊型包蟲病，第二種是由多房棘球蚴所感染的泡型包蟲病。經(jīng)濟(jì)的發(fā)展和社會的進(jìn)步，使得旅游業(yè)的發(fā)展迅速，人口流動增加，城市寵物及流浪動物的數(shù)量不斷增長，肝包蟲疾病逐漸成為全世界流行的疾病，對世界公共衛(wèi)生和經(jīng)濟(jì)發(fā)展造成一定的影響[1]。由于肝囊型包蟲病具有典型的超聲表現(xiàn)，超聲檢查在肝囊型包蟲病診斷和分型中發(fā)揮著重要的作用。而由于超聲檢查簡單、快速、無創(chuàng)、沒有輻射、可重復(fù)性高，在肝包蟲檢查中發(fā)揮著重要的作用[2]。但超聲檢查存在著一定的主觀差異性，一名合格的超聲醫(yī)師需要經(jīng)過長期的學(xué)習(xí)與大量的訓(xùn)練。相比之下，使用深度學(xué)習(xí)的方法與超聲圖像結(jié)合，可以節(jié)約醫(yī)師資源，縮短報告時常，提高診斷準(zhǔn)確率。在過去，目標(biāo)檢測技術(shù)被廣泛用于超聲影像的病灶定位及分類。Zhang 等[3]提出了一種基于注意力門控的接通監(jiān)督網(wǎng)絡(luò)，使用較少的像素級標(biāo)簽進(jìn)行監(jiān)督訓(xùn)練，對于甲狀腺結(jié)節(jié)鈣化區(qū)的識別準(zhǔn)確率達(dá)到了92.1%，已經(jīng)具有較好的性能。Cao 等[4]系統(tǒng)性地評估了現(xiàn)有幾種最新的乳腺病變目標(biāo)檢測和分類方法的性能，發(fā)現(xiàn)更好和更有效的卷積神經(jīng)網(wǎng)絡(luò)框架是提高乳腺病變檢測和分類任務(wù)性能的重要因素以及使用遷移學(xué)習(xí)的方式對乳腺病變進(jìn)行分類可以有效提升檢測性能。雖然已經(jīng)有很多的文獻(xiàn)將深度學(xué)習(xí)的方法應(yīng)用于醫(yī)學(xué)圖像的分類和檢測任務(wù)，但在肝包蟲病灶定位與分型中對不同方法的性能進(jìn)行評價的工作還很少，仍有部分學(xué)者在肝包蟲病分類、病灶分割等方向做出了一定的貢獻(xiàn)。但大多數(shù)都是基于傳統(tǒng)圖像處理的方法對圖像進(jìn)行研究[5-7]，存在精確率低、誤診率較高的問題，基于深度學(xué)習(xí)肝包蟲病圖像處理的研究大多是針對肝包蟲病CT 圖像二分類的研究[8-11]，并沒有涵蓋肝包蟲的5 種分型。此外，超聲學(xué)檢查作為肝包蟲病影像學(xué)診斷中優(yōu)先級最高的方法[12]，研究基于囊型肝包蟲病超聲圖像的輔助診斷技術(shù)也十分必要。因此，本文提出了一種基于深度學(xué)習(xí)算法和YOLOv5 目標(biāo)檢測模型[13]的方法對囊型肝包蟲病五類分型的超聲影像進(jìn)行病灶的自動檢測與分類研究，幫助醫(yī)生快速檢測疾病，提高精確率，降低誤診率。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)集介紹

在超聲科影像醫(yī)師的指導(dǎo)下，本次研究選取來自新疆醫(yī)科大學(xué)各附屬醫(yī)院影像科的囊型肝包蟲病超聲影像圖像，根據(jù)世界衛(wèi)生組織包蟲病專家工作組（WHO/IWGE）的指導(dǎo)意見[14]，本文將囊型肝包蟲病分為5 組。（1）CE1：單囊型，囊內(nèi)有水樣囊液，呈現(xiàn)未圓形或卵圓型的液性暗區(qū)，內(nèi)外壁間有潛在的的間隙界面，暗區(qū)可見浮動的光點(diǎn)，稱為“囊砂”；（2）CE2：多子囊型，多個小的球形暗影及光環(huán)在母囊的暗區(qū)內(nèi)，形成“囊中囊”的影像學(xué)特征，B 超檢查為“蜂房征”；（3）CE3：內(nèi)囊塌陷型，肝包蟲內(nèi)壁破裂導(dǎo)致囊液進(jìn)入內(nèi)外壁間，形成“套索征”，B 超檢查可見收縮內(nèi)陷，卷曲褶皺，飄游于囊液中；（4）CE4：實(shí)變型，這個階段的包蟲退化衰亡，囊液被吸收，囊壁折疊收縮，成干酪樣變，B 超檢查可見“腦回征”；（5）CE5：鈣化型，包蟲病長期存在，外囊肥厚，有鈣鹽沉著，B 超檢查可見囊壁呈現(xiàn)絮狀肥厚，并伴寬大聲影及側(cè)壁身影。本文收集了CE1、CE2、CE3、CE4、CE5 5 種類型共計809名病人2 428 張肝包蟲超聲影像。

由于本次研究的超聲圖像是由不同型號的機(jī)器所采集的，需要對圖像進(jìn)行預(yù)處理操作：（1）對肝包蟲圖像進(jìn)行灰度化處理，減少后續(xù)的計算量；（2）對圖像去噪處理，高斯濾波由于在平滑圖像時能盡可能地保留原圖像的灰度特征[15]，利用高斯濾波處理圖像去除圖像中小的噪聲點(diǎn)，有利于后期模型的訓(xùn)練。經(jīng)過預(yù)處理后的肝包蟲超聲影像如圖1 所示。按照8：2 的比例將數(shù)據(jù)集分為訓(xùn)練集和測試集，然后使用Labelme 軟件包對圖像進(jìn)行標(biāo)注。

圖1 各類型肝包蟲病超聲圖像

1.2 YOLOv5 模型

目前主流的目標(biāo)檢測算法主要包括以R-CNN[16]為基礎(chǔ)演變出的各種算法以及以YOLO 系列的不斷擴(kuò)展的算法。大多數(shù)以R-CNN 為基礎(chǔ)演變的算法為二階段處理的過程，該類型的算法如Fast-RCNN[17]及Faster-RCNN[18]雖然有著不錯的性能，但同時因?yàn)槠涠A段的特殊性，導(dǎo)致檢測速度大大降低。相比之下，YOLO 系列的算法如YOLOv3[19]等為單階段處理圖像，利用了回歸的相關(guān)思想，使檢測的速度有較為明顯的提升。YOLO將一張傳入的圖像網(wǎng)格化，并對每個網(wǎng)格的類概率及邊界框進(jìn)行預(yù)測，并且采用非最大抑制（Non Max Supression）的方法將該區(qū)域置信度小于閾值的邊界框過濾，保證概率最大的邊界框被顯示。

YOLOv5 模型作為當(dāng)前YOLO 系列最新的模型，主要有4 種結(jié)構(gòu)相似但寬度與深度各不相同的結(jié)構(gòu)：YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x。隨著寬度與深度的增加，YOLOv5 模型檢測能力也相應(yīng)地提升，但其檢測的速度也逐漸加長，本次研究選用精確度與速度相對均衡的YOLOv5l 模型進(jìn)行實(shí)驗(yàn)。YOLOv5 結(jié)構(gòu)如圖2 所示。Backbone 是網(wǎng)絡(luò)的主干部分，主要包括了Focus 結(jié)構(gòu)和CSPNet 結(jié)構(gòu)，其中Focus 結(jié)構(gòu)將輸入的圖像分成4份，再通過Concat 方式進(jìn)行拼接，將圖像特征數(shù)增加，但每層的信息沒有變化，再進(jìn)行一次卷積操作，將原始608×608的圖像轉(zhuǎn)成304×304 的特征圖像。CSPNet 參考Densenet中密集跳躍鏈接的方式，進(jìn)行局部融合，通過不同層中的特征信息來獲得更加全面的特征圖。Neck 結(jié)構(gòu)主要是整個網(wǎng)絡(luò)的融合部分，將提取的特征混合，并傳遞到預(yù)測結(jié)構(gòu)，主要包括兩個PANet 結(jié)構(gòu)的特征金子塔結(jié)構(gòu)和自頂向下傳遞特征的FPN 結(jié)構(gòu)。輸出層主要采用了CIOU 作為損失函數(shù)，然后通過非極大抑制（NMS）對產(chǎn)生的目標(biāo)框進(jìn)行篩選，選取其中概率值最大的預(yù)測框。

圖2 YOLOv5 模型結(jié)構(gòu)圖

1.3 優(yōu)化算法

在神經(jīng)網(wǎng)絡(luò)訓(xùn)練的過程中，往往需要使用優(yōu)化器進(jìn)行梯度下降來尋找最優(yōu)解，目前的優(yōu)化器大致可以分為三類：（1）基本梯度下降法：主要包括標(biāo)準(zhǔn)梯度下降法（GD）、隨機(jī)梯度下降法（SGD）及批量梯度下降法（BGD）；（2）動量優(yōu)化算法：包括標(biāo)準(zhǔn)動量優(yōu)化（Momentum Optimizer）及牛頓加速梯度動量優(yōu)化（NAG）[20]；（3）自適應(yīng)學(xué)習(xí)率優(yōu)化算法：包括AdaGrad 算法、RMSProp 算法、Adam 算法[21]。本次研究選擇了當(dāng)前較為常用的隨機(jī)梯度下降算法SGD 及自適應(yīng)學(xué)習(xí)率Adam 算法進(jìn)行了實(shí)驗(yàn)。

1.4 訓(xùn)練環(huán)境設(shè)置

本次進(jìn)行實(shí)驗(yàn)所用到的運(yùn)行環(huán)境：CPU 為bcm63xx，GPU 為GTX 1080TI，內(nèi)存為16 GB，實(shí)驗(yàn)采用操作系統(tǒng)為Ubuntu20.04，在PyTorch 框架上進(jìn)行相應(yīng)YOLOv5 算法的開發(fā)。參數(shù)設(shè)置如下所示：訓(xùn)練采用SGD 與Adam 優(yōu)化算法；Batchsize 設(shè)置為16；最大迭代次數(shù)設(shè)置為200；初始學(xué)習(xí)率為0.001，每迭代50 次，學(xué)習(xí)率縮小為1/10。

2 實(shí)驗(yàn)分析與討論

本次實(shí)驗(yàn)為測試YOLOv5 在囊型肝包蟲超聲影像中的目標(biāo)檢測性能，同時在Faster-RCNN 網(wǎng)絡(luò)、YOLOv3 網(wǎng)絡(luò)及YOLOv5l+SGD、YOLOv5l+Adam 模型上進(jìn)行了訓(xùn)練，初始參數(shù)值設(shè)置均相同，本次實(shí)驗(yàn)采用總體平均精確率（mAP）、檢測速度及訓(xùn)練時間對模型的性能進(jìn)行一個綜合的評價。

2.1 YOLOv5l 模型性能分析

如圖3 所示，通過設(shè)置不同的IOU 閾值，測試網(wǎng)絡(luò)模型在推理時的性能，結(jié)果顯示不同IOU 取值對各模型平均精度均值影響較小。IOU 為0.6 時相對較多的病灶區(qū)域被檢測到，模型取得了最好的性能，因此本實(shí)驗(yàn)選擇IOU 閾值為0.6 來評估模型推理時的性能。

圖3 不同IOU 性能表現(xiàn)

如表1 所示，通過對幾種不同的模型進(jìn)行測試，YOLOv5l+SGD 模型與Faster-RCNN、YOLOv3 模型相比平均精度均值分別提高了6%和1.8%，另外幀數(shù)、訓(xùn)練時間指標(biāo)中都取得了更好的結(jié)果，在表中該網(wǎng)絡(luò)模型在檢測速度上擁有較大的領(lǐng)先，并且具有更少的模型訓(xùn)練時間。YOLOv5l+SGD 算法與YOLOv5l+Adam 算法相比平均精度均值提高了6.3%，檢測速度也有所提高。不同的網(wǎng)絡(luò)模型對肝包蟲病灶檢測效果如圖4 所示，以鈣化型肝包蟲病影像檢測為例，YOLOv5l+SGD 網(wǎng)絡(luò)模型對于病灶的檢測效果最好。

圖4 不同模型在各類別上的準(zhǔn)確率（AP）

表1 基于測試集的檢測模型性能比較

2.2 討論

在不同損失函數(shù)、不同優(yōu)化方案的設(shè)計下對訓(xùn)練好的模型進(jìn)行測試，如圖4 所示本次研究納入的模型都能成功地檢測到目標(biāo)。圖中檢測框上分別對應(yīng)有該區(qū)域所判定的類別及其置信度。實(shí)驗(yàn)發(fā)現(xiàn)基于YOLOv5l+SGD的模型在囊型肝包蟲病超聲學(xué)圖像上的檢測性能優(yōu)于Faster-RCNN 及YOLOv3。Faster-RCNN 作為二階段的目標(biāo)檢測模型，在具有較高精度的同時，其檢測速度往往較慢，但有文章指出YOLOv3 模型的檢測能力及速度均強(qiáng)于Faster-RCNN[22]，本次研究顯示了同樣的結(jié)果。YOLOv3引入了多尺度預(yù)測的概念提取了更多的圖像特征，YOLOv5 模型在此基礎(chǔ)上引入了跨階段局部網(wǎng)絡(luò)（CSP），解決了網(wǎng)絡(luò)優(yōu)化中梯度信息重復(fù)的問題，極大地減小了模型的尺寸，提高了準(zhǔn)確率，有文獻(xiàn)指出YOLOv5 整體性能都優(yōu)于YOLOv3[23]。本次研究還發(fā)現(xiàn)在囊型肝包蟲病超聲圖像檢測診斷的任務(wù)中基于SGD 為優(yōu)化算法的模型檢測性能遠(yuǎn)遠(yuǎn)高于以Adam 為優(yōu)化算法的模型，Adam 作為目前被廣泛使用的一種自適應(yīng)學(xué)習(xí)率優(yōu)化算法，有著較快的收斂速度，但有文章指出該算法可能會在訓(xùn)練后期致使學(xué)習(xí)率震蕩，模型無法有效地收斂，錯過全局的最優(yōu)解。而SGD 優(yōu)化算法雖然收斂速度較慢，但結(jié)果往往更好[24]，與本文所得結(jié)論一致。不同模型對于囊型肝包蟲病超聲圖像檢測準(zhǔn)確度如圖5 所示，基于YOLOv5+SGD 模型對于5 種類型的囊型肝包蟲病灶檢測均取得了較好的結(jié)果，魯棒性好。

圖5 病灶檢測結(jié)果

本次實(shí)驗(yàn)仍然存在一些不足，如圖5 所示，本次研究納入的所有模型對囊型肝包蟲病壞死實(shí)變型（CE4）檢測效果較差，很大程度影響了模型對于疾病的檢測精度，原因可能是壞死實(shí)變型肝包蟲病超聲影像特征不明顯，不易區(qū)分，下一步的研究將使用更加具有代表性的超聲學(xué)圖像，使用分割算法對病灶區(qū)域進(jìn)行精確劃分，以增強(qiáng)模型的泛化能力，提高準(zhǔn)確率。

3 結(jié)論

本次研究將YOLOv5l 目標(biāo)檢測模型應(yīng)用于囊型肝包蟲病病灶5 種分型的檢測與診斷研究，結(jié)果發(fā)現(xiàn)與Faster-RCNN、YOLOv3 網(wǎng)絡(luò)模型相比，基于YOLOv5l+SGD的網(wǎng)絡(luò)在檢測性能、檢測速度、訓(xùn)練時長上都獲得了較大的領(lǐng)先，提示YOLOv5l 模型在囊型肝包蟲病病灶識別與診斷研究中具有一定的潛力。在YOLOv5l 模型的基礎(chǔ)上同時還探討了優(yōu)化算法的不同對于模型性能的影響，結(jié)果顯示基于SGD 優(yōu)化算法的模型對于病灶檢測的平均準(zhǔn)確率可達(dá)88.1%，與使用Adam 算法的模型相比取得了較大的領(lǐng)先，SGD 作為一個經(jīng)典的優(yōu)化算法在囊型肝包蟲超聲圖像診斷方面具有不可替代的作用。綜上所述，本次研究發(fā)現(xiàn)基于YOLOv5l+SGD 的目標(biāo)檢測模型在囊型肝包蟲病病灶檢測任務(wù)中獲得了最高的檢測精度、最快的檢測速度及最小的訓(xùn)練時長，能輔助醫(yī)生更好地完成肝包蟲病診斷任務(wù)。