《Diagnostics》：A Deep Learning Framework with Qualitative Post Hoc Explanation for Dry Eye Detection and Tear Film Lipid Layer Pattern Classification Using Anterior-Segment and Tearscope Imaging
编辑推荐：
背景/目的：干眼病（DED）的评估需结合患者报告症状与眼表检查结果。研究人员评估了一种带定性事后解释的深度学习策略，用于两项独立的眼科成像任务：基于前节裂隙灯图像的DED与健康眼二分类；以及基于Tearscope图像、按Guillon分类对泪膜脂质层（TFLL
背景/目的：干眼病（DED）的评估需结合患者报告症状与眼表检查结果。研究人员评估了一种带定性事后解释的深度学习策略，用于两项独立的眼科成像任务：基于前节裂隙灯图像的DED与健康眼二分类；以及基于Tearscope图像、按Guillon分类对泪膜脂质层（TFLL）干涉模式进行四分类识别。方法：通过添加并行扩展通道并保持ImageNet初始化通道冻结的方式改造ResNet主干网络。新增通道采用He正态初始化，以1 × 10?4学习率训练，多层感知机（MLP）分类头以1 × 10?3学习率训练。采用拉丁超立方抽样（LHS）在开发数据内进行超参数选择。Grad-CAM与Grad-CAM++仅用于事后解释。研究人员评估了ShECS裂隙灯图像（n = 434）与VOPTICAL-Is Tearscope图像（n = 406）。结果：在原始评估下，ResNet-101×3在两项任务中于所评估配置中取得最高分数。在ShECS上，准确率为74%（95% CI：0.63–0.82），DED（阳性）类的精确率0.80、召回率0.90、F1分数0.85，AUC为0.80。在VOPTICAL-Is上，原始图像级评估得到四分类TFLL准确率90%（95% CI：0.82–0.95），宏平均精确率0.89、宏平均召回率0.90、宏平均F1分数0.89，宏平均一对多AUC为0.98。结论：这些初步概念验证结果支持进一步评估通道扩展与差异化训练相结合的策略，以及用于眼科图像分类的定性事后解释方法。由于VOPTICAL-Is仅包含健康受试者图像，且所获取版本未记录受试者标识符（观察到开发子集与留出子集之间存在组代码重叠，不能排除受试者重叠），第二项任务代表图像级TFLL模式分类而非临床DED亚型诊断。一项采用冻结ResNet-50特征提取器的独立按代码分组敏感性分析获得0.59的留出准确率（宏平均一对多AUC 0.85）。由于该分组运行未重新运行0.90的ResNet-101×3配置，数值差异不能仅归因于划分方式，也不能解释为受试者级泄漏的直接测量；相反，它表明了对组感知划分的敏感性。因此，原始图像级估计应视为探索性结果，而非受试者级泛化的证据。在同一按代码分组划分上进行的受控2 × 2析因消融（通道宽度 × 可训练性策略），以TensorFlow/Keras ResNet-50重建实现、每格三个随机种子，描述性地表明解冻最终卷积阶段与更高准确率和宏平均F1相关（例如标准宽度：准确率0.556 vs. 0.469），而加宽的效果较小且在不同指标与策略间不一致。这些描述性汇总未进行显著性检验，也不测量受试者级泄漏。在常规使用前，需要对已识别队列进行外部临床验证。
研究背景方面，干眼病（DED）反映泪膜稳态失衡，可涉及水液缺乏型与蒸发型机制且二者常并存，其患病率估计随研究人群与诊断定义而异；由于症状与客观体征并不总是一致，临床评估通常结合两者而非依赖单一检查，识别主导机制也会影响治疗选择。Tearscope成像可显示泪膜脂质层（TFLL）干涉图案，Guillon分类包括开放网状、闭合网状、波状与彩色条纹，这些图案描述的是泪膜图像，不应等同于患者层面的DED表型（如水液缺乏型、蒸发型或混合型）。近年DED影像研究已采用深度学习结合角膜地形图、荧光素染色裂隙灯图像及相关眼成像方法，而综述持续强调外部验证与临床稳健评估是主要需求。既有组件（ResNet主干、ImageNet迁移学习、通道加宽、拉丁超立方抽样、Grad-CAM/Grad-CAM++）均为成熟技术，本研究贡献在于其特定且可复现的组合及在两个小样本眼科成像场景中的初步评估。研究人员据此开展了两项独立图像分类任务的研究：一是基于ShECS前节裂隙灯图像的DED与健康眼分类，二是基于VOPTICAL-Is Tearscope图像的四分类TFLL模式识别，并得出在原始评估下ResNet-101×3于两项任务中所评估配置中得分最高等结论，其重要意义在于为通道扩展与差异化训练策略结合定性事后解释方法提供了初步概念验证证据，同时明确指出VOPTICAL-Is任务属图像级TFLL模式分类而非临床DED亚型诊断，结果应视为探索性、需在更大规模、已识别、受试者级、多中心及前瞻性队列中验证后方可用于临床或远程眼科。
关键技术方法方面，研究人员采用通道加宽（ResNet通道宽度扩至三倍，ResNet-152为四倍）且冻结ImageNet预训练通道、新增通道He正态初始化并以1 × 10
?4训练、分类头以1 × 10
?3训练的策略；使用拉丁超立方抽样（LHS）在开发集内进行超参数选择，重复5折交叉验证三次；采用Grad-CAM与Grad-CAM++进行定性事后解释；样本队列来源为伊朗Shahroud的ShECS人群眼队列第一期图像（Topcon SL-7E裂隙灯，n = 434）与VARPA分发的VOPTICAL-Is图像集（Tearscope Plus，n = 406）。
研究结果方面，在ShECS二分类任务中，ResNet-101×3在所测配置中排名第一，准确率0.74（95% CI：0.63–0.82），DED阳性类精确率0.80、召回率0.90、F1分数0.85，AUC 0.80，且该配置的ImageNet-1K与ImageNet-21K初始化获得相同结果。在VOPTICAL-Is原始图像级四分类TFLL模式分类中，ResNet-101×3（ImageNet-1K权重）数值准确率最高，达0.90（95% CI：0.82–0.95），宏平均精确率0.89、宏平均召回率0.90、宏平均F1 0.89，宏平均一对多AUC 0.98，但该排名仅适用于原始图像级划分。定性Grad-CAM/Grad-CAM++图仅用于视觉检查，未与专家勾画区域进行评分比较。在按代码分组敏感性分析中，冻结ImageNet初始化ResNet-50特征提取器加重新训练MLP头（种子42）获得0.59留出准确率（95% Wilson CI：0.48–0.70），宏平均一对多AUC 0.85，各类AUC为0.88、0.85、0.77、0.89，宏平均精确率、召回率、F1分别为0.57、0.58、0.57，显著低于原始图像级配置的0.81–0.90准确率范围，但该比较并非仅控制划分的实验。在按代码分组划分上的受控2 × 2析因消融（TensorFlow/Keras ResNet-50重建，每格三个种子）描述性显示，解冻conv5阶段在两种宽度变体中均与更高准确率和宏平均F1相关（标准宽度：准确率0.556 vs. 0.469；宏平均F1 0.490 vs. 0.410），而加宽的边际效应较小且方向不一致，宽度与可训练性交互对比平均为负且种子间标准差大于均值；SHA-256重复审计未发现开发集与留出测试集间的完全重复，79图像敏感性集结果密切匹配。
讨论部分总结指出，这些发现最好视为初步概念验证结果；加宽模型与完全可训练基线在架构与冻结/训练策略上均不同，因此观察到的图像级性能差异反映的是组合设计，若无受控消融不能仅归因于通道宽度。ShECS与VOPTICAL-Is不能视为外部验证配对，二者成像模态、人群与预测终点不同。相对早期VOPTICAL系列研究，TFLL分支达到相似性能范围，同时以学习到的CNN特征替代手工颜色/纹理描述符并增加定性事后解释图，但跨研究百分比不应视为同一实验比较。研究局限包括ShECS分析图像集较小；VOPTICAL-Is仅含19–33岁健康深色眼受试者，其分类任务为图像模式问题而非临床DED亚型验证；VOPTICAL-Is未记录受试者标识符，文件名中的三位数字代码可能对应受试者，图像级评估对该分组结构敏感；四类TFLL类别分布不均（159、117、90、40）；未使用广泛增强且两项任务均未在外部多中心队列测试；消融使用TensorFlow/Keras ResNet-50重建而非原始自定义管线的精确再执行，其推断限于该重建。重复交叉验证变异<2%仅支持内部一致性。未来研究应使用已识别的受试者级划分、独立队列、校准分析、临床合理的增强及前瞻性评估。
研究结论部分翻译如下：本研究评估了一种将通道扩展与差异化冻结/训练及定性事后解释相结合的深度学习工作流，用于两项独立的眼科成像问题。在原始评估下，ResNet-101×3配置在ShECS DED分类中达到74%准确率，并在原始VOPTICAL-Is图像级比较中取得最高数值准确率（90%，宏平均F1 = 0.89）。Grad-CAM与Grad-CAM++仅提供模型注意力的定性可视化，未经临床验证。由于VOPTICAL-Is由健康受试者组成且所获取版本未记录受试者标识符，不能排除受试者重叠。一项使用冻结ResNet-50特征提取器加重新训练头的独立按代码分组敏感性分析获得0.59留出准确率；由于该分组运行未重新运行相同的原始配置，其与原始图像级结果的数值差异不能仅归因于划分方式，也不直接量化受试者级泄漏，而是表明了对组感知划分的敏感性。因此，原始VOPTICAL-Is图像级结果应视为探索性，而非受试者级泛化证据。此外，通道加宽与冻结/微调的相对贡献在按代码分组划分下的受控2 × 2析因消融中进行了考察，其中解冻最终阶段描述性地与更高准确率和宏平均F1相关，而加宽效应较小且在不同策略间不一致；该消融使用TensorFlow/Keras ResNet-50重建而非原始管线的精确再执行，其跨种子汇总为描述性（无显著性检验）。这些初步概念验证发现需在更大规模、已识别、受试者级、多中心及前瞻性队列中验证后方可用于任何临床或远程眼科用途。
