利用CNN和基于EfficientNet的迁移学习增强光学相干断层扫描(OCT)

《International Journal of Biomedical Imaging》：Leveraging CNN and Transfer Learning With EfficientNet for Enhanced Optical Coherence Tomography (OCT)

　　

光学相干断层扫描（OCT）是一种重要的影像学手段，用于检测视网膜疾病，包括糖尿病性黄斑水肿（DME）、脉络膜新生血管（CNV）和玻璃膜疣（drusen），并区分健康视网膜模式。然而，OCT扫描的视觉评估是劳动密集型的、依赖观察者且依赖于专家临床知识，因此促使开发可靠的自动化筛查工具。本研究提出了一种混合深度迁移EfficientNet和支持向量机（DTE-SVM）方法，用于多类别OCT图像分类。与通常使用softmax层进行最终预测的标准CNN模型不同，所提出的框架采用迁移学习的EfficientNet表示与SVM决策模型，以增强提取特征空间中的类间判别性和鲁棒性。实验使用了从OCT2017数据集中选取的8767张OCT图像的工作子集，约占完整84,495张图像集合的10.4%。采用这个较小但具有代表性的子集是为了降低计算成本，同时保持CNV、DME、drusen和正常组之间的类别分布。使用分层10折交叉验证评估了从B0到B4的五个EfficientNet架构。其中，DTE-SVM-B0产生了最强的总体结果，准确率为0.9076，精确率为0.9074，召回率为0.9076，F₁-得分为0.9073。DTE-SVM-B2显示出最小的折叠级标准差，反映了相对稳定的行为。比较实验表明，DTE-SVM-B0超越了ResNet50、DenseNet-121和EfficientNetB0基于softmax的分类器，而消融测试验证了用SVM替换softmax层对每个EfficientNet骨干网络都改善了结果。类别级临床评估也显示出较强的敏感性和特异性，其中CNV识别最准确，而drusen仍然是最难分类的类别。总体而言，这些结果表明，与SVM集成的紧凑型EfficientNet特征提取器为临床决策支持环境提供了准确、稳定且计算实用的OCT驱动的视网膜疾病分类。

论文解读：利用CNN和迁移学习EfficientNet增强OCT图像分类

光学相干断层扫描（OCT）是一种非侵入性视网膜成像技术，广泛用于检测糖尿病性黄斑水肿（DME）、脉络膜新生血管（CNV）、玻璃膜疣（drusen）等视网膜疾病，并能区分健康视网膜模式。然而，OCT图像的临床判读耗时费力，依赖观察者经验，且需要专家知识，因此亟需可靠的自动化筛查工具。现有深度学习方法虽在OCT分类中取得进展，但多数研究过度关注预测精度，忽视了计算效率、泛化能力以及向真实临床工作流集成的可行性。此外，将轻量级深度特征提取器与强边际分类器结合的混合方案在视网膜疾病检测中尚未充分探索。为弥补这一研究空白，研究者提出一种混合深度迁移EfficientNet与支持向量机（DTE-SVM）框架，旨在同时实现高精度与计算可行性，支持可扩展、可靠且可及的OCT筛查。

研究使用OCT2017数据集中包含8767张图像的工作子集（约占完整84,495张图像集合的10.4%），涵盖CNV、DME、drusen和正常四类。通过分层10折交叉验证评估了五个EfficientNet架构（B0至B4）结合SVM的DTE-SVM变体。实验结果表明，DTE-SVM-B0获得最佳总体性能：准确率0.9076、精确率0.9074、召回率0.9076、F₁-分数0.9073；DTE-SVM-B2的折叠级标准差最小（0.0066），表现最稳定。与ResNet50、DenseNet-121和EfficientNetB0 softmax分类器相比，DTE-SVM-B0的准确率分别高出4.36、3.37和1.70个百分点。消融实验证实，将softmax层替换为SVM在所有EfficientNet骨干网络上均带来准确率和F₁-分数的提升，其中B2增益最大（准确率+2.70个百分点，F₁-分数+2.65个百分点）。类别层面，CNV识别最准确（F₁-分数0.9631，敏感性0.9736，特异性0.9902），而drusen最难分类（F₁-分数0.8724，敏感性0.8635），这与该类别的细微视网膜纹理及与正常图像的结构重叠有关。该研究证明，紧凑型EfficientNet特征提取器与SVM集成的混合模型，能在减少数据量和计算成本的情况下提供准确、稳定且临床实用的视网膜疾病分类，对资源受限的临床环境尤为有利。论文发表在《International Journal of Biomedical Imaging》。

关键技术方法方面，研究者采用两阶段迁移学习策略：首先冻结EfficientNet卷积骨干，仅训练新分类层；随后解锁高层进行微调，以适应OCT图像特征。输入图像统一缩放为224×224×3像素，并经模型特定的preprocess_input函数进行归一化。去除原softmax层后，在冻结的卷积基后附加全局平均池化（GAP2D）层，生成紧凑的深度特征向量（B0/B1为1280维，B2为1408维，B3为1536维，B4为1792维）。特征经Z-score标准化后输入线性核支持向量分类器（SVC），正则化参数C固定为10，并启用Platt缩放输出概率。采用分层10折交叉验证作为主要评估方案，每折保持类别比例，约7890张图像用于训练，877张用于验证。整个流程在OCT2017子集上进行，确保评估客观性和可重复性。

研究结果与分析如下。4.1实验设置：所有模型以Adam优化器、分类交叉熵损失训练，最大10个epoch，使用早停和检查点保存最佳配置。4.2所有折叠的平均分类指标：DTE-SVM-B0在准确率、精确率、召回率和F₁-分数上均最优；DTE-SVM-B2标准差最小，表明跨折叠最稳定；CNV在所有骨干中F₁-分数最高，drusen最低。4.3与代表性基线模型比较：DTE-SVM-B0性能优于ResNet50、DenseNet121和EfficientNetB0 softmax，证明性能提升不仅源于骨干，也源于SVM决策边界。4.4 DTE-only性能与消融分析：DTE-only（softmax）最佳为DTE-B3（准确率0.8906），但所有DTE-SVM均优于对应DTE-only，证实SVM改善了最终分类阶段。4.5每类临床指标：DTE-SVM-B0对CNV的敏感性和特异性最高，drusen和normal相对较低，提示这些类别需要更精细的特征学习。4.6性能指标：图3显示CNV判别性最强，drusen最难；B0整体最佳，B2一致性最好。4.7 ROC曲线可视化：所有模型AUC普遍较高，但ROC排序与折叠平均指标排序不完全一致，说明在阈值无关的判别力上不同模型各有优势。4.8-4.12各变体统计结果：B0 ROC最靠近左上角，与最佳平均指标一致；B1稳定性最差（标准差最大）；B2折叠一致性最佳；B3综合表现平衡但略低于B0和B2；B4具有竞争力但未超越B0。4.13平均混淆矩阵分析：主对角线激活最强，CNV对角清晰，drusen和normal相互混淆较多，DME偶有溢出。4.14评估与结果：在仅10.4%数据上，DTE-SVM-B0仍达到高精度，表明轻量骨干不一定比更深模型差，较深模型（B3/B4）未带来性能增益。4.15消融研究：增加骨干深度未带来持续增益；EfficientNet的复合缩放机制使其参数效率高于传统卷积网络；混合DTE-SVM设计优于单独DTE，SVM增强了特征空间中的类间间隔。

讨论部分指出，所有EfficientNet变体均能有效分类OCT图像，但更深模型并未必然提高诊断质量，提示模型复杂度的增加在缩减数据环境下可能不是最优选择。EfficientNet的复合缩放机制在较少参数下实现了稳健的特征学习，适合实际部署。迁移学习微调比从头训练收敛更稳定，而SVM改进了特征空间中的决策边界。研究结论翻译如下：本文提出了一种混合DTE-SVM架构，利用迁移学习的EfficientNet特征提取和SVM决策层，实现多类视网膜疾病的OCT图像自动分类。在OCT2017子集上，DTE-SVM-B0获得最佳总体性能（准确率0.9076，精确率0.9074，召回率0.9076，F₁-分数0.9073），DTE-SVM-B2折叠一致性最佳。CNV识别最准确，drusen因视觉特征细微及与其他类别重叠而最难。基线比较和消融实验表明，SVM替换softmax层带来一致性能提升，证明轻量骨干与强分类器的组合在计算效率和诊断准确性上具有优势，适合资源受限的临床决策支持场景。