燕 楊， 曹婭迪， 黃文博

（長春師范大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，吉林 長春 130032）

1 引 言

視盤（Optic Disc，OD）是視神經(jīng)的起點(diǎn)，位于視網(wǎng)膜中心，視杯（Optic Cup，OC）即其中央凹陷處。由于青光眼導(dǎo)致的視神經(jīng)損傷，OC 區(qū)域會不斷擴(kuò)大，導(dǎo)致杯盤比（Cup to Disk Ratio，CDR）增加［1］。青光眼早期階段并無明顯癥狀，CDR 即為診斷青光眼的重要指標(biāo)。通過CDR診斷青光眼需要眼科醫(yī)生對大量眼底圖像中的OD 與OC 區(qū)域進(jìn)行標(biāo)注，耗時(shí)耗力，為此學(xué)者們對OD/OC 自動提取算法展開研究?；跀?shù)字圖像處理的 OD 和 OC 分割方法主要分為兩種，一種是通過水平集、主動輪廓等算法尋找邊緣確定OD 范圍；另一種是通過分析各類特征，使用分類器提取每個像素點(diǎn)分類，為了提高分割效率，這類方法多應(yīng)用在彩色眼底圖像的超像素分割中［2-5］。上述早期算法無法提取更抽象的特征，僅依賴低級特征，不僅易受干擾，而且精度過低。

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的特征提取能力，其中以M-Net［6］最為經(jīng)典。M-Net 采用金字塔多尺度輸入，并通過side-out 層為早期層生成伴隨的局部輸出圖，最終將多個尺度的特征圖聚合生成輸出。針對OD 像素與背景像素嚴(yán)重不均衡的問題，M-Net 通過極坐標(biāo)轉(zhuǎn)換以及采用基于Dice 系數(shù)的多標(biāo)簽損失函數(shù)替代常見的多類分割損失來緩解。目前，許多OD 和OC 分割方法都借鑒了M-Net 的思想。Liu［7］等提出一種密集連接的深度可分離卷積網(wǎng)絡(luò)，使用金字塔多尺度輸入避免網(wǎng)絡(luò)參數(shù)大幅增加，使用深度可分離卷積減少計(jì)算消耗，采用密集連接的形式，獲取眼底圖像中更豐富、更復(fù)雜的特征，提高OD和OC 的提取精度。于舒揚(yáng)等［8］基于Seg-Net 框架提出了融合感受野模塊的Seg-RFNet 框架，其編碼器采用ResNet-50 結(jié)構(gòu)，進(jìn)行分支處理拓寬網(wǎng)絡(luò)結(jié)構(gòu)，獲得了更抽象的語義信息；其解碼器的輸入來自不同級編碼器，以更完整地恢復(fù)圖像。

由于淺層特征與深層特征之間存在語義鴻溝，U 型網(wǎng)絡(luò)編碼器-解碼器通過跳躍鏈接將二者直接拼接的行為通常會導(dǎo)致噪聲，增加干擾。為此，本文提出了注意力感知的多尺度語義目標(biāo)提取模塊（Channel-Spatial-Pyramid， CSP）。該模塊在多尺度池化方法中引入通道-空間聯(lián)合注意力機(jī)制，在豐富上下文信息的同時(shí)，增大對目標(biāo)提取有意義的特征權(quán)重。進(jìn)一步提出基于CSP 模塊的OD/OC 自動分割網(wǎng)絡(luò)CSP-Net，將CSP 模塊應(yīng)用于編碼器-解碼器網(wǎng)絡(luò)，增強(qiáng)早期層特征，減輕語義鴻溝，提高算法性能和精度。

2 原 理

正常情況下，OD 和OC 的形態(tài)如圖1（a）所示，其中藍(lán)色輪廓內(nèi)區(qū)域?yàn)镺D，綠色輪廓內(nèi)區(qū)域?yàn)镺C（彩圖見期刊電子版）。由于青光眼導(dǎo)致的OC 病變，如圖1（b）所示，OD 與OC 特征接近，難以區(qū)分。本文設(shè)計(jì)了CSP 模塊加入網(wǎng)絡(luò)，提高了網(wǎng)絡(luò)特征提取能力，能夠更精準(zhǔn)地分割OD 與OC。CSP-Net 整體結(jié)構(gòu)如圖2 所示。提取特征的主干網(wǎng)絡(luò)在U-Net 基礎(chǔ)上減少了濾波器數(shù)量和訓(xùn)練參數(shù)，降低訓(xùn)練所需要的計(jì)算消耗。針對早期特征與后期特征之間存在的語義鴻溝問題，在主干網(wǎng)絡(luò)下采樣路徑的早期層加入CSP 模塊，增強(qiáng)網(wǎng)絡(luò)提取上下文信息的能力并抑制無關(guān)特征，減輕淺層特征與深層特征的語義差異。傳統(tǒng)的金字塔池化模塊（Pyramid Pooling Module，PPM）［9］通過使用不同尺寸的池化核，達(dá)到獲取上下文信息的目的，但早期特征仍比較粗糙，含有大量與分割目標(biāo)無關(guān)的干擾特征。因此，CSP模塊在金字塔池化中引入通道-空間聯(lián)合注意力模塊，從通道和空間兩個維度放大對識別目標(biāo)更有意義特征。

圖1 彩色眼底圖像中的OD 和OC 區(qū)域Fig.1 OD and OC regions in color fundus images

圖2 CSP-Net 網(wǎng)絡(luò)模型Fig.2 CSP-Net model

2.1 輕量級U-net

早期特征在卷積與池化過程中均有丟失，僅憑后期特征進(jìn)行分割不夠全面。U-Net［10］通過拼接層將早期特征與后期特征進(jìn)行融合，解決了這一問題，因此成為最有效的特征提取網(wǎng)絡(luò)之一。U-Net 主要由兩部分組成，其中收縮路徑用于獲取上下文信息，擴(kuò)張路徑用于完成精準(zhǔn)分割，整個網(wǎng)絡(luò)結(jié)構(gòu)呈對稱狀態(tài)。

為減少訓(xùn)練參數(shù)，提高訓(xùn)練效率，這里減少了主干網(wǎng)絡(luò)卷積層上的濾波器，并且不增加用于降低分辨率的濾波器數(shù)目。這些改變并沒有降低網(wǎng)絡(luò)提取特征的能力，而是在參數(shù)數(shù)量和訓(xùn)練時(shí)間方面變得更加輕量級［11］。

2.2 損失函數(shù)

在OD 分割任務(wù)中，由于OD 區(qū)域僅占全部圖像很小的部分，因此存在正負(fù)樣本嚴(yán)重不均衡的問題，訓(xùn)練時(shí)損失函數(shù)會陷入局部最小值，產(chǎn)生更重視背景部分的網(wǎng)絡(luò)，樣本量較少的前景部分常會丟失或是僅被部分提?。?2］。為了解決這一問題，將損失函數(shù)定義為：

其中：d(A，B)是Dice 損失函數(shù)，是基于一種反應(yīng)正負(fù)樣本相似度的評價(jià)函數(shù)；Dice 系數(shù)的取值為[0，1]；A是網(wǎng)絡(luò)輸出的概率圖，B是專家手工標(biāo)注的真實(shí)標(biāo)簽，包含每個像素及其所屬的類；aij和bij分別代表A和B中的某一像素。Dice 損失函數(shù)評估真實(shí)標(biāo)簽與預(yù)測結(jié)果的相似程度，而非像素級的準(zhǔn)確度，避免網(wǎng)絡(luò)為追求更低損失將全部樣本分類為負(fù)樣本的情況。

2.3 CSP 模塊

考慮到語義鴻溝問題，CSP-Net 在主干網(wǎng)絡(luò)早期層中引入基于注意力機(jī)制的多尺度池化CSP 模塊。在編碼器-解碼器網(wǎng)絡(luò)中，隨著網(wǎng)絡(luò)層數(shù)的加深，特征分辨率不斷降低，這一過程使深層特征丟失了許多上采樣操作無法恢復(fù)的細(xì)節(jié)信息。通過跳躍鏈接方法將淺層特征與深層特征進(jìn)行拼接雖然可以解決這一問題，卻因早期特征更粗糙、后期特征更抽象這一差異導(dǎo)致噪聲，影響分割精度。因此，這里在主干網(wǎng)絡(luò)早期層引入CSP 模塊，對早期特征進(jìn)行進(jìn)一步處理再與后期特征進(jìn)行拼接，減少語義差異，如圖3（a）所示。

圖3 CSP 與其子模塊結(jié)構(gòu)Fig.3 CSP module and submodule structure

U-Net 將不同卷積層的特征拼接實(shí)現(xiàn)了上下文信息融合，但提取特征時(shí)依舊使用固定尺寸的卷積核，缺少對每一層上下文信息的有效提取和利用。為充分提取早期層所包含的上下文信息，CSP 模塊基于金字塔池化結(jié)構(gòu)，依靠多個不同尺寸的感受野檢測尺寸各異的目標(biāo)，獲得更豐富的多尺度特征。普通最大池化使用單個池內(nèi)核，金字塔池化結(jié)構(gòu)采用4 條并行分支進(jìn)行池化，每條分支池化核尺寸均不相同。4 個不同尺寸感受野收集特征圖的上下文信息并進(jìn)行編碼，產(chǎn)生4 個不同尺寸的特征圖并將所有分支結(jié)果拼接。最后，對拼接的特征圖使用1×1 卷積，將通道數(shù)恢復(fù)至原特征圖尺寸。

傳統(tǒng)的金字塔池化結(jié)構(gòu)雖然提取到豐富的空間上下文信息，但無法阻止無關(guān)特征進(jìn)入后期層，因此CSP 在金字塔池化結(jié)構(gòu)中引入通道-空間聯(lián)合注意力模塊。通道-空間聯(lián)合注意力模塊擁有兩個順序子模塊，即通道注意力模塊和空間注意力模塊。 對于一個給定的特征圖F∈RH×W×D，該模塊首先通過沿著通道模塊產(chǎn)生一個一維的通道注意力特征圖Ac∈R1×1×D，將它乘以輸入特征圖進(jìn)行自適應(yīng)特征細(xì)化，產(chǎn)生細(xì)化的特征圖F′。F′作為空間注意力模塊的輸入，產(chǎn)生通道數(shù)為1 的空間注意力圖As∈RH×W×1，并與F′相乘，產(chǎn)生最終的注意力特征圖F′。該過程的數(shù)學(xué)形式如下：

其中?表示對特征圖進(jìn)行逐元素相乘。在該過程中，通道注意力模塊產(chǎn)生的注意值會繼續(xù)在空間維度傳播。通道注意力模塊與空間注意力模塊結(jié)構(gòu)分別如圖3（b）和3（c）所示。

輸入通道注意力模塊的特征圖，首先經(jīng)過最大池化和平均池化聚合特征映射的空間信息，產(chǎn)生兩組不同的特征信息——平均池化所聚合的空間信息與最大池化所收集的不同類別的特征，使網(wǎng)絡(luò)可以有效學(xué)習(xí)OD 和OC 的范圍，減少無關(guān)背景對識別目標(biāo)的影響，同時(shí)細(xì)化特征，有效降低OC 目標(biāo)的提取難度。通道注意力模塊對池化產(chǎn)生的兩組特征分別進(jìn)行1×1 卷積操作后，再進(jìn)行求和，最后使用sigmoid 函數(shù)進(jìn)行激活，產(chǎn)生最終的通道特征圖。通道注意力模塊可表示為：

其中σ表示sigmoid 激活函數(shù)。

空間注意力模塊作為通道注意力模塊的補(bǔ)充，接收通道注意力特征圖作為輸入。經(jīng)過全局最大池化和全局平均池化后，將結(jié)果聚合，經(jīng)過7×7 卷積和Sigmoid 函數(shù)，產(chǎn)生最終的空間注意力圖。與通道注意力不同的是，空間注意力會聚焦特征圖中的關(guān)鍵信息，即強(qiáng)調(diào)感興趣目標(biāo)，有助于解決前背景像素分布不均衡的問題?？臻g注意力模塊還可表示為：

其中f7×7為卷積核尺寸為7×7 的卷積操作。

3 實(shí) 驗(yàn)

3.1 實(shí)驗(yàn)條件

本文分別在RIM-ONE v. 3［13］，DRIONSDB［14］，DRISHTI-GS［15］公開彩色眼底數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，將本文方法與現(xiàn)有方法在OD/OC 識別任務(wù)中進(jìn)行對比，以驗(yàn)證本文方法的性能與泛化能力。在實(shí)驗(yàn)中，數(shù)據(jù)集被隨機(jī)劃分為訓(xùn)練集與驗(yàn)證集兩部分，其中訓(xùn)練集占數(shù)據(jù)集總量的80%，驗(yàn)證集占總量20%。訓(xùn)練集與驗(yàn)證集中均包含正常眼底與青光眼眼底兩類數(shù)據(jù)。

實(shí)驗(yàn)使用深度學(xué)習(xí)框架Tensorflow 2.0 和Keras 2.3.1，利用GPU（graphic processing unit）加速網(wǎng)絡(luò)模型訓(xùn)練及測試，顯卡型號為NVIDIA Tesla K80。采用Adam 優(yōu)化器，Adam 算法可在訓(xùn)練時(shí)自適應(yīng)調(diào)節(jié)學(xué)習(xí)率，且收斂速度更快。

訓(xùn)練前采用對比度受限自適應(yīng)直方圖均衡進(jìn)行預(yù)處理。由于樣本數(shù)量較少，為防止過擬合，在訓(xùn)練階段對每幅圖像分別進(jìn)行4 種數(shù)據(jù)增強(qiáng)操作，包括隨機(jī)縮放、隨機(jī)水平偏移、隨機(jī)垂直偏移和隨機(jī)旋轉(zhuǎn)，并將圖像統(tǒng)一縮放為256×256像素進(jìn)行訓(xùn)練與測試。為了充分利用先驗(yàn)知識，在OC 識別前先根據(jù)圖中OD 的位置裁剪出尺寸為128×128 的區(qū)域，再輸入網(wǎng)絡(luò)中。訓(xùn)練時(shí)，批處理大小設(shè)置為4，訓(xùn)練進(jìn)行500 個epoch。

3.2 評估函數(shù)

為客觀評估本文算法性能，采用Dice 系數(shù)、平均交并比（Mean Intersection over Union，MIoU）、總體分割精度（Accuracy，Acc），精確度（Precision，PC）和均方誤差（Mean Square Error，MSE）作為評價(jià)標(biāo)準(zhǔn)，將本文算法結(jié)果與現(xiàn)有算法結(jié)果進(jìn)行比較。評價(jià)函數(shù)公式如下：

其中：TP 為預(yù)測正確的正樣本像素?cái)?shù)量，F(xiàn)P 為預(yù)測錯誤的正樣本像素?cái)?shù)量，TN 為預(yù)測正確的負(fù)樣本像素?cái)?shù)量，F(xiàn)N 預(yù)測錯誤的負(fù)樣本像素?cái)?shù)量，k+1 是包括背景在內(nèi)的類的數(shù)量。

其中：M和N分別代表圖像的寬和高，y(i，j)代表原始圖像中的某一像素，x(i，j)為預(yù)測圖像中的對應(yīng)像素。

3.3 對比實(shí)驗(yàn)及結(jié)果分析

在OD 提取任務(wù)中，將本文方法與現(xiàn)有方法進(jìn)行比較，結(jié)果如表1 所示。在DRIONS-DB 數(shù)據(jù)集上，本文方法的MIoU 與Dice 系數(shù)分別達(dá)到92.6% 與 96.9%，Acc 達(dá)到 99.8%，PC 為97.0%。與未加入CSP 模塊的主干網(wǎng)絡(luò)比較，各項(xiàng)指標(biāo)均有所增加，且所有對比算法中，CSP-Net的Dice 值最高。

表1 DRIONS-DB 數(shù)據(jù)庫OD 提取結(jié)果對比Tab.1 Comparison of OD extraction results on DRIONS-DB database（%）

圖4 展示了在DRIONS-DB 數(shù)據(jù)集中，本文方法與其他方法預(yù)測結(jié)果的可視化結(jié)果。以第3行為例，AttnU-Net 由于血管干擾，視盤區(qū)域欠分割；M-Net 的分割結(jié)果則遠(yuǎn)大于視盤區(qū)域，會影響CDR 計(jì)算，最終影響青光眼篩查結(jié)果；DRIU方法的視盤位置與人工標(biāo)注有偏差。相對而言，本文方法能夠更準(zhǔn)確地從病變區(qū)域中識別視盤，分割結(jié)果也更接近專家標(biāo)注。

圖4 DRIONS-DB 數(shù)據(jù)集OD 提取可視化結(jié)果對比Fig.4 Comparison of OD extraction results on DRIONSDB dataset

如表2 所示，在RIM-ONE v.3 數(shù)據(jù)集上，本文方法的MIoU 與Dice 系數(shù)分別達(dá)到91.7 與96.3%，Acc 與PC 分別為99.7%，95.7%，比主干網(wǎng)絡(luò)分別提高了5.6%，3.2%，0.2% 和1.5%。由表1 與表2 所展示的OD 提取對比數(shù)據(jù)可見，本文方法有效提高了網(wǎng)絡(luò)分割精度，與人工標(biāo)注的結(jié)果最接近。

表2 RIM-ONE v.3 數(shù)據(jù)庫OD 提取結(jié)果對比Tab.2 Comparison of the results of OD extraction on RIM-ONE v. 3 database（%）

圖5 展示了RIM-One v.3 數(shù)據(jù)集OD 提取的可視化結(jié)果。由圖可見，在病變、血管結(jié)構(gòu)及光照等影響下，本文方法仍然較為精準(zhǔn)且穩(wěn)定地提取OD，在病變眼底中能夠準(zhǔn)確識別視盤。

圖5 RIM-ONE v.3 數(shù)據(jù)集OD 提取的可視化結(jié)果對比Fig.5 Comparison of OD extraction results on RIMONE v. 3 dataset

在OC 提取任務(wù)中，本文方法在DRISHTIGS 和RIM-ONE v.3 數(shù)據(jù)集上與M-Net，主干網(wǎng)絡(luò)，MEAL［22］，pOSAL［23］，F(xiàn)CN［24］，SegNet［25］，ESS-Net［26］，Edge TPU［27］，SLSR-Net［28］，NASU2-Net［29］，SAM 和MedSAM 方法進(jìn)行了對比，結(jié)果如表3 所示。由表可見，本文方法的MIoU 和Dice 點(diǎn)數(shù)分別為85.4%和92.1%，顯著優(yōu)于其他方法。

表3 DRISHTI-GS 數(shù)據(jù)庫OC 提取結(jié)果對比Tab.3 Comparison of OC extraction results in DRISHTIGS database（%）

由表4 可見，在RIM-ONE v.3 數(shù)據(jù)集OC 提取對比實(shí)驗(yàn)中，本文方法仍獲得了最高的相似度，預(yù)測結(jié)果與真實(shí)標(biāo)簽最接近。以上結(jié)果表明，CPS-Net 可以準(zhǔn)確地對OD/OC 進(jìn)行自動提取，為青光眼的診斷與篩查提供可靠依據(jù)。

圖6 為不同方法在RIM-ONE v.3 數(shù)據(jù)集上的OC 提取可視化結(jié)果對比?？梢钥闯觯琾OSLA算法在RIM-ONE V3 數(shù)據(jù)集上出現(xiàn)了過分割的情況；M-Net 則由于可遷移性不強(qiáng)，實(shí)驗(yàn)結(jié)果也不理想。視杯提取的難點(diǎn)在于視杯包含在視盤中，且二者特征相似難以區(qū)分，而通道注意力使網(wǎng)絡(luò)更專注與關(guān)鍵信息相關(guān)的通道，增強(qiáng)了CPS-Net 的目標(biāo)提取能力。以圖6 第4 行為例，雖然該圖OC 區(qū)域極小且特征不明顯，但本文方法仍更接近專家標(biāo)注，最大程度地減少CDR 的計(jì)算誤差。圖7 為不同方法在DRISHIT-GS 數(shù)據(jù)集可視化OC 提取對比。由圖可見，本文方法未受血管網(wǎng)絡(luò)影響，實(shí)現(xiàn)了精準(zhǔn)分割。

圖7 DRISHTI-GS 數(shù)據(jù)集的OC 可視化結(jié)果對比Fig.7 Comparison of OC extraction results on DRISHTI-GS dataset

3.4 消融實(shí)驗(yàn)及結(jié)果分析

本文方法在不同數(shù)據(jù)集上進(jìn)行了消融實(shí)驗(yàn)，以驗(yàn)證CSP 模塊中所有模塊的作用。實(shí)驗(yàn)在主干網(wǎng)絡(luò)的基礎(chǔ)上，分別加入了通道-空間聯(lián)合注意力、金字塔池化結(jié)構(gòu)以及CSP 模塊。實(shí)驗(yàn)環(huán)境、評估指標(biāo)以及超參數(shù)均相同。

如表5 和表6 所示，將僅加入注意力機(jī)制的網(wǎng)絡(luò)記為+Attn，僅加入金字塔池化結(jié)構(gòu)的網(wǎng)絡(luò)記為+PPM。由表可知，以RIM-ONE v.3 數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果為例，使用主干網(wǎng)絡(luò)提取OD 的MIoU 為86.1%，Dice 系數(shù)為93.1%，OC 提取的MIoU 為68.3%，Dice 為81.5%。將通道-空間聯(lián)合注意力（Attn）與金字塔池化結(jié)構(gòu)中的任何一個集成，都可以提高性能指標(biāo)。將注意力機(jī)制引入金字塔池化結(jié)構(gòu)后，OD 的提取性能達(dá)到最高，MIoU 為91.7%，比主干網(wǎng)絡(luò)高5.6%；Dice 為96.3%，比主干網(wǎng)絡(luò)高3.2%。OC 提取的MIoU可達(dá)74.4%，比主干網(wǎng)絡(luò)高6.1%；Dice 系數(shù)為86.0%，比主干網(wǎng)絡(luò)高4.5%。

表5 OD 提取消融實(shí)驗(yàn)結(jié)果對比Tab.5 Comparison of ablation experiment results for OD extraction task（%）

表6 OC 提取消融實(shí)驗(yàn)結(jié)果對比Tab.6 Comparison of the ablation experiment results for OC extraction task（%）

4 結(jié) 論

本文以更輕量級的編碼器-解碼器模型作為主干網(wǎng)絡(luò)，加入基于注意力機(jī)制的多尺度語義目標(biāo)提取CSP 模塊，對早期層特征進(jìn)行進(jìn)一步處理，并與上采樣路徑中的后期層特征進(jìn)行拼接，在減輕語義鴻溝的同時(shí)，更加充分地利用來自每一層的多尺度信息，有效提升了目標(biāo)提取的精度。針對提取視杯盤任務(wù)，在DRIONS-DB，RIM-ONE v.3 及DRISHTI-GS 3 個公開數(shù)據(jù)集上與現(xiàn)有方法進(jìn)行對比。實(shí)驗(yàn)結(jié)果表明，本文提出的CSP-Net 在OD 和OC 的提取任務(wù)中精度均為最優(yōu)，且在處理病變區(qū)域、視杯特征不明顯等區(qū)域具有很強(qiáng)的競爭力。