侯松辰,張俊虎

(青島科技大學(xué) 信息科學(xué)技術(shù)學(xué)院,青島 266061)

眼科專業(yè)人士往往將手工分割后的視網(wǎng)膜眼底圖像作為眼科疾病的診斷依據(jù),從血管的病變情況觀察到一些病癥[1]. 然而血管的手工標(biāo)注工作對于眼科醫(yī)生來說費時費力,處理不及時還有可能耽誤病人的病情,自動高效的血管分割不僅緩解相關(guān)專業(yè)人員的壓力,也有助于患者早發(fā)現(xiàn)早治療,因此實現(xiàn)智能的血管分割在疾病識別和預(yù)防方面有重要意義.

早期許多研究利用計算機視覺、有監(jiān)督或無監(jiān)督的機器學(xué)習(xí)算法來實現(xiàn)眼底圖像的血管分割. 如高向軍[2],王愛華[3]早期提出的形態(tài)學(xué)分割方法,Chaudhuri等人[4]的匹配濾波方法等無監(jiān)督算法,以及Wang 等人[5]提出的基于卷積神經(jīng)網(wǎng)絡(luò)的方法等有監(jiān)督算法. 伴隨深度學(xué)習(xí)算法研究的深入,眾多學(xué)者在提高血管分割性能方面的研究愈發(fā)深入,使用深度學(xué)習(xí)架構(gòu)的研究獲得了比現(xiàn)有方法更好的性能,比如,Fu 等人[6]提出的基于深度學(xué)習(xí)與條件隨機場的分割方法,吳晨玥等人[7]對于卷積神經(jīng)網(wǎng)絡(luò)的改進,Rammy 等人[8]提出的基于塊的條件生成對抗網(wǎng)絡(luò)分割方法以及鐘文煜等人[9]對改進的U-Net 方法等血管分割算法. 這些基于深度學(xué)習(xí)的算法與以往算法相比展現(xiàn)了極大優(yōu)勢,尤其是生成對抗網(wǎng)絡(luò),在對于血管分割的問題上,準(zhǔn)確率等指標(biāo)都可以看出明顯提升.

當(dāng)前分割仍存在問題: (1)眼底血管錯綜復(fù)雜導(dǎo)致分割結(jié)果中各類評價指標(biāo)還有進步空間; (2)對于血管細微分支類別的準(zhǔn)確率還有待優(yōu)化. 為了嘗試解決這個問題. 本文提出了將RU-Net 網(wǎng)絡(luò)作為生成器部分的GAN 改進版模型,并添加了一種Attention 機制,應(yīng)用在生成器部分,使分割區(qū)域更明確,提高分割的準(zhǔn)確度和特異度; 判別器選擇卷積神經(jīng)網(wǎng)絡(luò). 在對數(shù)據(jù)集的預(yù)處理上,本文使用了自動色彩均衡ACE 算法[10],并與其他預(yù)處理方式的實驗結(jié)果比對,對DRIVE 數(shù)據(jù)集通過翻轉(zhuǎn)、旋轉(zhuǎn)角度、均勻切割等操作將數(shù)據(jù)集擴充至3 840 張,實驗顯示,本文的模型展現(xiàn)了更好的性能.

1 基于深度學(xué)習(xí)的Retina-GAN 模型整體網(wǎng)絡(luò)架構(gòu)

本文將生成對抗網(wǎng)絡(luò)(generative adversarial network,GAN)與RU-Net 結(jié)合并添加一種Attention 機制,構(gòu)成Retina-GAN 視網(wǎng)膜血管分割模型,如圖1 所示,Retina-GAN 由3 個部分組成:

圖1 Retina-GAN 模型整體架構(gòu)

(1)圖像預(yù)處理階段,采用自動色彩均衡(ACE),加強圖像對比度,對圖像閾值分割得到掩膜圖像,擴充數(shù)據(jù)集,每張圖像分成16 個patch;

(2)生成器部分,該部分采用RU-Net 網(wǎng)絡(luò)[11],添加Retina-Attention 機制,將模型關(guān)注區(qū)域鎖定在有效視網(wǎng)膜區(qū)域,生成的patch 進行重組;

(3)判別器部分,采用卷積神經(jīng)網(wǎng)絡(luò)對生成的圖像進行判別,繼而優(yōu)化損失函數(shù).

1.1 生成對抗網(wǎng)絡(luò)GAN

GAN 在被Goodfellow 等人[12]提出后迅速發(fā)展,并廣泛應(yīng)用于圖像合成、樣式轉(zhuǎn)換、圖像分類、語義分割等領(lǐng)域. 此外,GAN 在醫(yī)學(xué)圖像處理中也嶄露頭角,如解剖學(xué)圖像精準(zhǔn)采樣、檢測前列腺癌細胞病變等. 學(xué)者們基于GAN 模型又提出了多種擴展網(wǎng)絡(luò)模型,如Conditional GANs[13]、Wasserstein GAN[14]、Pix2Pix[15]、DCGAN[16]等.

在本文的架構(gòu)中,生成器(generator,G)擔(dān)任著生成眼底血管分割圖的角色,它的輸入是任意一張眼底圖像z,G通過z生成的視網(wǎng)膜血管圖像,記為G(z). 判別器(discriminator,D)則擔(dān)任著判別血管圖片是否真實的角色,以專家手工標(biāo)注的血管圖像為標(biāo)準(zhǔn). 判別器的輸入是血管分割圖像x,輸出D(x)是圖像x為專家標(biāo)注真實圖片的概率,輸出越傾向0,圖片就越虛假,輸出越傾向1,圖像越真實.

對生成器G和判別器D的訓(xùn)練過程就是令G生成的眼底圖像G(z)越來越逼真,使D難以判斷圖像是否為真實的眼底圖像. 在訓(xùn)練過程中,G和D逐漸趨向動態(tài)平衡. 這個過程最理想的狀態(tài)就是在D和G不斷優(yōu)化的同時,G生成的眼底圖像G(z)越來越真實,令D難以判定其真假性. 對G,D的訓(xùn)練過程如式(1)[12].

其中,x為真實眼底圖像,符合pdata(x)分布,z是輸入到G的噪聲,符合pz(z)先驗分布,如高斯分布,G生成的眼底圖像用G(z)表示.D(x)是D判斷x是否真實的概率,不難得出,D(G(z))就是G(z)是否真實的概率. 對于G而言,式(1)越小越好,對于D而言,式(1)越大越好.

2 視網(wǎng)膜眼底圖像預(yù)處理

實驗選擇DRIVE 公開數(shù)據(jù)集,DRIVE 由40 張彩色視網(wǎng)膜圖像組成以及對應(yīng)的專家手工分割圖像組成.

對圖像的預(yù)處理選擇了自動色彩均衡ACE,通過對ACE 處理過的圖像水平、垂直翻轉(zhuǎn),旋轉(zhuǎn)角度,平均分割等方式將DRIVE 數(shù)據(jù)集擴充至3820 張128×128的圖像.

ACE 是由Gatta 等人[10]提出的,并由Rizzi 等人[17]以及Getreuer 等人[18]進一步優(yōu)化. ACE 模仿人類視覺系統(tǒng)模型來對色彩校正和增強. 文獻[17]依據(jù)Retinex理論提出了ACE,ACE 能夠?qū)ψ赃m應(yīng)濾波進行局部的調(diào)整,使圖像的對比度、亮度和色彩能夠自適應(yīng)局部或者是非線性特征的情況. 它需要兩個階段. 第一視覺編碼階段恢復(fù)場景區(qū)域的外觀,第二顯示映射階段將過濾后的圖像的值歸一化. 如式(2)[10]、式(3)所示,一階段從輸入像素Ic(p)計算Rc(p),二階段從Rc(p)計算增強輸出圖像Oc(p),在一階段,輸出圖像R在色度和空間調(diào)整后被創(chuàng)建,創(chuàng)建后每個p都要依據(jù)圖像的內(nèi)容再次計算. 輸出圖像R中的每個像素分別為每個通道c計算.

其中,p和j為兩個像素點,Ic(p)?Ic(j)表示2 個點的亮度差,d(p,j)是距離度量函數(shù),r(·)為亮度表現(xiàn)函數(shù),且為奇函數(shù),式(2)的作用是調(diào)整局部圖像的對比度.r(·)的作用是依照局部內(nèi)容動態(tài)放縮范圍,比如放大細微的差異,rmax表示r(·)的最大值,Rc(p)為中間結(jié)果.

對于輸出圖像Oc(p),sc為線段[(mc,0),(Mc,255)]的斜率,mc=minpRc(p),Mc=maxpRc(p). 使用ACE 的增強結(jié)果如圖2(b)所示.

圖2 使用ACE 的增強結(jié)果

3 基于Retina-Attention 機制優(yōu)化的生成器

對于生成器部分,本文引用了RU-Net 結(jié)構(gòu),并添加了一種Attention 機制對RU-Net 進行優(yōu)化,將其稱為Retina-Attention 機制.

3.1 RU-Net

Alom 等人被RCNN,U-Net 以及深度殘差模型所啟發(fā),提出了基于U-Net 的RCNN[19]模型RU-Net[11],這種方法結(jié)合了這3 種模型的優(yōu)勢,如圖3. 與U-Net模型相比,所提出的模型有3 方面的差異. RU-Net 由卷積編碼和解碼單元兩部分組成,在編碼單元以及解碼單元中,常規(guī)前卷積層被使用循環(huán)卷積層RCL 和帶有殘差單元的RCL 所取代. RCL 單元其本身能包含高效的特征積累方法,帶有RCL 的單元對模型的深入建設(shè)大有裨益.

圖3 RU-Net 體系結(jié)構(gòu)[11]

其中,RCL 通過RCNN 的離散時間步長進行的.顧及殘差RCNN (RRCNN)塊的第l層中的xl輸入樣本和RCL 中第k個feature map 上的輸入樣本中位于(i,j)的一個像素,并假設(shè)網(wǎng)絡(luò)Ol ijk(t)在時間步長t時的輸出,可以表示為式(4)[11]:

(t)是標(biāo)準(zhǔn)卷積層的輸入,(t?1)為第l層RCL 的輸入.wkf是k的標(biāo)準(zhǔn)卷積層權(quán)值,wrk是k的RCL 權(quán)值,bk是偏差. RCL 的輸出則被送入標(biāo)準(zhǔn)ReLU激活函數(shù)f,表示為式(5)[11]:

F(xl,wl)表示RCNN 單元第l層的輸出.F(xl,wl)的輸出被用作RU-Net 模型的卷積編碼和解碼單元的下采樣層和上采樣層. RCNN 單元的最終輸出通過殘差單元,假設(shè)RRCNN 塊的輸出為xl,可通過式(6)計算:

RU-Net 在視網(wǎng)膜圖像血管分割上取得了非常不錯的分割效果,準(zhǔn)確率達到0.9528,靈敏度0.7747,特異度0.9770,本文提出的模型意在對RU-Net 加以改進,使其作為GAN 的生成器部分進一步提高分割效果,由此,本文提出在RU-Net 中添加一種Attention 機制.

3.2 Retina-Attention 機制

我們平日所說的注意力是一個神經(jīng)生理學(xué)的概念,它表示人類認(rèn)真觀察事務(wù)的時候能有多專注[20]. 在圖像語義分割領(lǐng)域中,Attention 機制通過學(xué)習(xí)獲得一個對于目標(biāo)圖像的特征權(quán)重分布,比如我們重點關(guān)注的特征的權(quán)重相對較高,而不關(guān)心的特征權(quán)重則相對較低,這個權(quán)重分布被加到原圖的特征上,為隨后的任務(wù)提供參考,使其更多地關(guān)注重點特征,放棄一些不重要的特征,這樣能夠顯著提高效率.

近年,眾多學(xué)者將Attention 機制與深度學(xué)習(xí)的結(jié)合研究中不斷探索,使二者相得益彰,其中,提取掩膜(mask)成為一個很好的手段. 掩膜給圖像添加一層新的權(quán)重,使圖像中的重點變得突出,然后通過學(xué)習(xí)和訓(xùn)練,讓深度神經(jīng)網(wǎng)絡(luò)在后續(xù)工作中繼承關(guān)注新圖片中的重點或者說我們感興趣的區(qū)域,注意力由此而來.

受Self-Attention[21]的啟發(fā),我們需要注意的僅是含有有效視網(wǎng)膜信息的圖像,或者說是含有血管信息的圖像,在本文中也就是圓形內(nèi)部的信息這部分是我們的感興趣區(qū)域(ROI). 由此本文在生成器部分添加了一種Attention 機制,將其命名為Retina-Attention,整體結(jié)構(gòu)如圖4 所示.

圖4 Retina-Attention 結(jié)構(gòu)

該機制分為兩個步驟:

(1)提取掩膜,通過二值分割將ROI 區(qū)域與無關(guān)背景區(qū)別開來,如圖5.

圖5 提取掩膜

(2)將掩膜與RU-Net 的倒數(shù)第2 層特征映射進行相乘,如圖4 中長箭頭所示. 如式(7)所示:

其中,R表示ROI (感興趣區(qū)域),也就是我們注意力要關(guān)注的區(qū)域,F表示特征. 這個Attention 機制的作用就是讓G只關(guān)注眼底圖像中有信息的視網(wǎng)膜區(qū)域(圓形內(nèi)部的區(qū)域),放棄沒有有效信息的噪聲背景(圓形外黑色區(qū)域),這樣做能有效提高分割效率,防止G生成不必要的信息來占用D的效率. 提取掩膜有時由于提取之后信息量太少從而導(dǎo)致分類器網(wǎng)絡(luò)層數(shù)堆疊大大減少的問題,采用這種掩膜與RU-Net 中的殘差網(wǎng)絡(luò)結(jié)合的方式對當(dāng)前網(wǎng)絡(luò)層的信息加上掩膜,同時也能夠把上一層的信息傳遞下來,可以有效防止提取信息量較少問題的發(fā)生.

4 判別器部分

為了區(qū)別G(z)與真實值,判別器D設(shè)計成簡單的卷積神經(jīng)網(wǎng)絡(luò)并且運用全局平均池化層(global average pooling,GAP),選擇GAP 的原因是GAP 能夠削減參數(shù)數(shù)量,有助于給模型訓(xùn)練提速.

由于G(z)是基于塊的,所以在輸入D之前需要先進行重組再輸入. 關(guān)于輸入圖像,正樣本是經(jīng)過ACE處理后的眼底圖像和專家手工分割圖的組合,負樣本是經(jīng)過ACE 處理后的眼底圖像和G(z)組合,通道數(shù)設(shè)置成2.

樣本進入判別器時,卷積提取特征設(shè)置成步長2,大小3×3,激活函數(shù)選用ReLU,選取批標(biāo)準(zhǔn)化提高訓(xùn)練進度,然后設(shè)置步長1,大小3×3 的卷積提取特征,如圖6 所示,此時分辨率沒有改變,繼而通過2×2 的max-pooling 使分辨率下降,特征提取多次后,通道數(shù)為512. 最后采用Sigmoid 函數(shù),配合GAP 連接全連接層,得到D(x).

圖6 判別器部分

5 實驗結(jié)果

5.1 數(shù)據(jù)集設(shè)置

為了展示Retina-GAN 的性能,我們在DRIVE 數(shù)據(jù)集上進行了實驗. 對于DRIVE 數(shù)據(jù)集的處理在第2 節(jié)中已經(jīng)做了一些介紹,選擇其一半圖像作為訓(xùn)練集,另外一半樣本作為測試集. DRIVE 圖像原始像素為565×584. 為了開發(fā)一個方形數(shù)據(jù)集,我們將圖像壓縮為512×512 像素再進行擴充到3840 張. 在這個模型實現(xiàn)中,我們考慮了從DRIVE 擴充數(shù)據(jù)集中隨機選擇一半圖像的patch 用于訓(xùn)練,其余的patch 用于驗證,每個patch 的大小都是128×128.

5.2 實驗設(shè)置

實驗選擇Adam 梯度下降方式,動量項系數(shù)為默認(rèn)值,學(xué)習(xí)率設(shè)為0.0005,每訓(xùn)練一次G,隨后訓(xùn)練D,交替訓(xùn)練. 關(guān)于硬件,CPU 選擇英特爾i7 處理器,GPU 為英偉達GTX 1080.

模型訓(xùn)練步驟如下:

(1)將專家手工分割圖像輸入D進行訓(xùn)練;

(2)把DRIVE 中的眼底圖像和掩膜輸入G得到G(z),再把G(z)與經(jīng)過ACE 處理后的眼底圖像標(biāo)記為負樣本輸入到D進行訓(xùn)練;

(3)訓(xùn)練G,得到G(z)后再輸入D中繼續(xù)訓(xùn)練. 反向傳播的過程中D的參數(shù)沒有更新,只傳遞誤差,G的參數(shù)要更新和優(yōu)化;

步驟(1)–(3)迭代訓(xùn)練,令G(z)對于D而言能夠以假亂真.

5.3 評價指標(biāo)

進行定量分析時,選擇使用準(zhǔn)確性(accuracy,Acc)、靈敏度(sensitivity,Sen)以及特異性(specificity,Spe)這3 個性能指標(biāo). 具體計算公式如下:

TP代表血管被正確分類為血管的像素點數(shù),FP代表背景被誤分為血管的像素點數(shù),TN代表背景被正確分類為背景的像素點數(shù),FN代表血管被誤分為背景的像素點數(shù).

5.4 實驗結(jié)果

該方法展現(xiàn)了更精準(zhǔn)的分割效果,圖7 分別為專家手工標(biāo)注以及訓(xùn)練迭代1000 次,2000 次,4000 次的效果,方框里為血管的細節(jié)分支部分,隨著迭代次數(shù)的增多,血管的分支和細微部分逐漸詳細.

圖7 血管細節(jié)圖

圖8 為在DRIVE 數(shù)據(jù)集上使用不同算法的效果;折線圖9–圖11 橫坐標(biāo)為測試集圖片序號,縱坐標(biāo)為指標(biāo)對應(yīng)的值,這些數(shù)據(jù)顯示了Retina-GAN 在各個指標(biāo)上均有提升. 這些數(shù)字表明,與GAN、U-Net、RU-Net等方法相比,本文設(shè)計的模型在訓(xùn)練和驗證階段提供更好的性能,在精確度、靈敏度均有提高. 證實了Retina-GAN 對任務(wù)分割的有效性.

圖8 實驗結(jié)果

圖9 多種方法在DRIVE 數(shù)據(jù)集上的準(zhǔn)確率

圖10 多種方法在DRIVE 數(shù)據(jù)集上的靈敏度

圖11 多種方法在DRIVE 數(shù)據(jù)集上的特異度

同時,預(yù)處理方面,為了與滕梓晴[22]和張?zhí)扃鵞23]使用的CLAHE 做比較,我們分別使用ACE 和CLAHE對DRIVE 數(shù)據(jù)集進行預(yù)處理,從表1 和表2 的數(shù)據(jù)可以看出,不管是GAN 還是Retina-GAN 上,ACE 的表現(xiàn)均優(yōu)于CLAHE,實驗效果更好.

表1 多種方法在DRIVE 數(shù)據(jù)集上的實驗結(jié)果

表2 ACE 和CLAHE 在不同算法上的表現(xiàn)

6 結(jié)束語

盡管通過實驗證明了Retina-GAN 結(jié)構(gòu)的效果在以往算法上有了提升,但對于靈敏度的指標(biāo)還有很大提升空間,未來的工作將圍繞在不影響準(zhǔn)確率的情況下來優(yōu)化靈敏度展開.