《Array》：FocusNet: A deep convolutional neural network for automated retinal disease classification using OCT images
编辑推荐：
本研究提出了FocusNet，一种基于注意力引导的残差卷积神经网络（Convolutional Neural Network，CNN），用于利用光学相干断层扫描（Optical Coherence Tomography，OCT）图像进行四分类视网膜疾病识别。研
本研究提出了FocusNet，一种基于注意力引导的残差卷积神经网络（Convolutional Neural Network，CNN），用于利用光学相干断层扫描（Optical Coherence Tomography，OCT）图像进行四分类视网膜疾病识别。研究人员开发了一种自适应图像增强流程，结合非局部均值（Non-Local Means，NLM）去噪与拉普拉斯锐化技术。该模型取得了97.50%的准确率、97.50%的F1分数以及99.77%的曲线下面积（Area Under the Curve，AUC），性能优于VGG16、Xception和DenseNet121等模型。研究人员整合了多核特征提取与空间注意力机制，以高效捕获具有判别性的视网膜结构特征。此外，研究还引入了梯度加权类激活映射（Gradient-weighted Class Activation Mapping，Grad-CAM）技术，用于可视化诊断相关区域并提升模型的可解释性。
视网膜疾病是全球范围内导致视觉损伤和失明的主要原因之一，对公共卫生和眼科医学构成重大挑战。早期诊断与治疗对于防止不可逆的视力丧失至关重要，然而多数视网膜病变在初期阶段仅呈现细微的结构改变。光学相干断层扫描（OCT）作为眼科领域首要的成像模态，能够提供视网膜层次结构和病理变化的高分辨率横断面可视化，已成为临床实践中不可或缺的工具。然而，OCT的广泛使用产生了海量影像数据，传统的人工判读耗时且受观察者间差异影响，尤其是当不同视网膜疾病具有相似形态学特征时，诊断难度进一步加大。尽管深度学习方法在医学图像分析领域取得了显著进展，但现有方法仍面临若干挑战：OCT图像固有的低对比度、散斑噪声和不均匀照明问题；真实世界数据集中普遍存在的类别不平衡现象；以及高维特征空间中冗余信息导致的过拟合风险。此外，已有的高性能模型如重型集成网络、视觉Transformer（ViT）和先进注意力机制虽然精度较高，但计算开销大，难以在资源受限的临床边缘环境中部署，且部分模型缺乏原生可解释性框架。
针对上述问题，研究人员提出了一套系统性的基于深度学习的视网膜疾病多分类方法。研究目标是开发一种端到端架构，在表示能力与计算效率之间取得良好平衡。该框架包含三个核心组成部分：首先，设计了任务特定的图像预处理与增强流程，采用方差引导的自适应非局部均值去噪结合边缘感知拉普拉斯锐化，在抑制散斑噪声的同时保留临床重要的视网膜边界结构；其次，提出了FocusNet这一轻量级注意力引导残差卷积神经网络，通过多核卷积主干、层次化残差学习和逐阶段空间注意力机制，捕获多尺度特征并强调诊断相关区域；最后，整合了梯度加权类激活映射（Grad-CAM）技术，以热力图形式提供模型预测的清晰自解释依据，展示导致分类决策的具体空间区域和结构特征。
研究使用了Kermany等人公开的Mendeley Data OCT图像数据集，包含约109,309张经临床验证的OCT图像，涵盖脉络膜新生血管（CNV）、糖尿病性黄斑水肿（DME）、玻璃膜疣（Drusen）和正常四类。该数据集天然具备患者级分离特性，训练集与测试集来自不同患者，有效避免了Tampu等人指出的数据泄漏问题。测试集包含每类250张共1000张图像，验证集包含5000张图像，其余数据用于训练。研究采用五折交叉验证进行严格评估。
在结果方面，研究首先进行了优化器选择实验，比较了不同优化算法对模型性能的影响。训练动态分析表明FocusNet能够稳定收敛并保持良好的泛化能力。逐类性能分析显示模型在四个类别上均取得了优异的分类效果，其中对正常类别的识别最为准确，对DME和Drusen等类别也保持了较高的敏感度。在与预训练模型的对比中，FocusNet以97.50%的准确率、97.58%的精确率和96.31%的敏感度超越了VGG16、Xception和DenseNet121等主流架构。交叉验证结果证实了模型性能的稳定性和可靠性。可解释性分析通过Grad-CAM生成的热力图直观展示了模型关注的诊断相关区域，增强了临床可信度。消融研究验证了各关键组件的有效性，包括多核特征提取、空间注意力和图像增强流程的贡献。误差分析揭示了少数分类错误主要源于类别间形态学特征的相似性。计算效率评估表明FocusNet在保持高精度的同时具有较低的计算开销，适合临床部署。外部验证进一步证实了模型的泛化能力。
在讨论部分，研究人员指出FocusNet通过轻量级设计有效平衡了诊断准确性与计算效率，克服了重型集成模型和混合架构在临床边缘环境中部署的局限性。与OCTNet和GABNet等注意力模型相比，FocusNet不仅实现了空间注意力聚焦，还通过Grad-CAM提供了原生可解释性框架，弥补了现有方法在临床验证方面的不足。研究结论表明，所提出的框架提供了一种可复用的方法论体系，能够推广到其他要求高分类精度的医学图像分类应用中，为视网膜疾病的自动化诊断提供了准确且临床实用的解决方案。
