血管成像预处理链式流程的消融研究：完整流程并非最优，跨模态迁移需逐步验证

《BioMedInformatics》：Toward Modality-Aware Preprocessing for Deep Learning-Based Blood Vessel Segmentation

　　**摘要****背景：** 为视网膜眼底摄影开发的预处理流程通常未经验证即直接移植到其他血管成像模式中使用。**方法：** 将视网膜文献中的七个预处理步骤组装成基于规则的链式流程，并由从训练集百分位数校准的图像质量描述符进行门控。在VessMAP数据集、100张小鼠皮层血管共聚焦图像以及DRIVE和CHASE_DB1眼底数据集上运行了十条件消融实验（包括完整链、分别省略单个步骤的七条链，以及两条各含两个步骤的最小链），并进行五折交叉验证，其中六个条件在眼底数据集上进行了重复。**结果：** 在VessMAP上，只有去除强度归一化才显著降低了Dice系数（配对Wilcoxon检验，p < 10??）；去除局部对比度归一化使其提高了0.019；两步链比完整链高出0.025–0.027。去除局部对比度归一化或去噪，或将链式流程缩减为两步，也在两个眼底数据集上改善了Dice系数。在仅使用训练折拟合阈值的情况下，VessMAP的Dice系数落在标注者间一致性区间[0.864, 0.891]之内，且一个仅含59,034个参数的网络在Dice系数上与一个2,090万参数的模型仅相差0.012。**结论：** 完整链式流程在任何数据集上都不是最佳配置，包括其步骤来源的眼底数据集；预处理应在目标数据上逐步验证。