Gradient based Severity Labeling for Biomarker Classification in OCT

本文提出了一种基于异常检测算法梯度响应生成疾病严重程度标签的新策略，用于在 OCT 图像中构建对比学习正负样本对，从而在无需人工标注的情况下将糖尿病视网膜病变生物标志物分类的准确率较自监督基线提升了 6%。

要点

这篇论文讲述了一个关于如何利用人工智能（AI）更聪明地“看图”来诊断糖尿病视网膜病变的故事。

为了让你更容易理解，我们可以把这项技术想象成**“教一个新手医生如何快速识别病情轻重”**的过程。

1. 背景：医生太忙，数据太贵

• 问题：糖尿病视网膜病变（DR）是导致失明的主要原因。医生需要检查一种叫 OCT 的眼底扫描图，找出微小的病变（比如积液、出血点）。
• 难点：要训练 AI 像专家一样看图，通常需要成千上万张已经由专家标注好的图（比如这张图有“积液”，那张图“没有”）。但在现实中，请专家一张张标注非常昂贵且耗时。
• 现状：医院里其实有大量没有标注的 OCT 扫描图（就像一堆还没被分类的病历），但传统的 AI 训练方法主要依赖那些昂贵的“标注图”，浪费了这些免费资源。

2. 传统方法的“笨”办法 vs. 新方法的“巧”办法

• 传统方法（像玩“找不同”游戏）：
  以前的 AI 训练（对比学习）是这样做的：把一张图稍微变一变（比如变模糊、旋转一下），让 AI 觉得“这两张图是同一类”。

  • 比喻：就像教孩子认苹果，你拿一个红苹果，把它转个身、或者把颜色调暗一点，告诉孩子“这还是苹果”。
  • 缺陷：在医疗领域，这种“乱动”很危险。因为病变（比如微小的出血点）可能非常小，一旦把图模糊了，那个关键的“出血点”可能就看不见了，AI 就学歪了。

• 新方法（像“按病情轻重排队”）：
  这篇论文提出了一个更直观的思路：不要乱动图片，而是把病情严重程度相似的图片归为一类。

  • 比喻：想象你在医院门口给病人排队。传统的做法是把所有病人打乱重组；而新做法是，先让病人按“病情轻重”排成一队。
  • 核心逻辑：病情相似的人（比如都有轻微积液），他们的眼睛结构在本质上是很像的。让 AI 去学“病情轻的”和“病情重的”之间的区别，比让它去学“旋转后的图”更有用。

3. 核心技术：如何给“没标签”的图打分？

既然这些图没有专家写的“病情标签”，AI 怎么知道谁轻谁重呢？

• 步骤一：先学“健康”的样子
  AI 先看了很多张完全健康的眼睛扫描图，学会了什么是“正常的”。
• 步骤二：用“梯度”来测“异常度”
  这是论文最巧妙的地方。作者发明了一种叫 GradCON 的方法。
  • 比喻：想象 AI 是一个正在学习的学生。
    • 当它看一张健康的图时，它心里想：“嗯，这跟我学过的差不多，不用怎么改，不需要更新知识。”（梯度很小）
    • 当它看一张有病的图时，它心里想：“哎呀，这跟我学的不一样！我得赶紧调整我的大脑才能理解它。”（梯度很大）
  • 结论：AI 需要“调整大脑”的程度（也就是梯度），就是这张图的**“病情严重程度分”**。病越重，AI 越需要努力调整，分数就越高。

4. 训练过程：从“模糊分类”到“精准诊断”

有了这个“病情分数”后，训练分两步走：

1. 第一步：粗分类（自我学习）
   AI 把所有没标签的图，按照刚才算出的“病情分数”分成很多组（比如 1 号组是轻微，2 号组是中度，以此类推）。

   • 任务：让 AI 把同一组（病情相似）的图紧紧聚在一起，把不同组的图推开。
   • 效果：AI 虽然没有见过具体的“积液”标签，但它已经学会了区分“稍微有点病”和“病得很重”的图像特征。

2. 第二步：精诊断（微调）
   这时候，AI 已经是个“老手”了。我们再用那少量有专家标注的图（比如明确标出“这是积液”）来微调它。

   • 结果：因为 AI 之前已经通过“病情分数”打下了很好的基础，现在只需要一点点专家指导，就能非常精准地识别出特定的病变。

5. 成果：更准、更快

• 效果：这种方法让 AI 在识别糖尿病视网膜病变的关键指标时，准确率比以前的方法提高了 6%。
• 意义：这意味着医生可以用更少的专家标注时间，训练出更聪明的 AI 助手，帮助更多人早期发现眼病，避免失明。

总结

这篇论文的核心思想就是：与其让 AI 在乱变的图片里找规律，不如让它根据“病情有多严重”来给图片排队。

作者利用一种巧妙的数学工具（梯度），自动给成千上万张没标签的图打上了“病情轻重”的标签，让 AI 先学会“分轻重”，再学会“认病灶”。这就好比先让新手医生学会区分“轻微感冒”和“重症肺炎”的大类，再让他去学具体的病毒名称，学习效率自然大大提升。

技术摘要

这是一篇关于利用基于梯度的严重程度标签（Gradient-Based Severity Labeling）来改进光学相干断层扫描（OCT）图像中生物标志物分类的论文。以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 临床需求：糖尿病视网膜病变（DR）是导致失明的主要原因，其检测依赖于对 OCT 图像中特定生物标志物（如视网膜内高反射焦点 IRHRF、视网膜内液体 IRF、糖尿病性黄斑水肿 DME 等）的识别。
• 现有挑战：
  • 数据标注困难：深度学习模型通常依赖大量标注数据，但在医疗领域，获取专家标注的生物标志物数据成本高昂且稀缺。
  • 自监督学习的局限性：传统的对比学习（Contrastive Learning）在自然图像中通过数据增强（如高斯模糊、旋转）构建正负样本对。然而，在医疗图像中，这些任意增强可能会扭曲包含关键生物标志物的微小局部区域，导致模型学习到错误的特征。
  • 正样本选择策略：传统的“同一图像增强后互为正样本”的策略在医学上不够直观。医学上更合理的做法是选择疾病严重程度相似的图像作为正样本，因为它们具有相似的疾病进展结构特征。

2. 核心方法 (Methodology)

论文提出了一种新的框架，利用无标签 OCT 扫描生成“伪严重程度标签”，并用于训练监督对比学习模型。

2.1 严重程度标签生成 (Severity Label Generation)

该方法基于异常检测（Anomaly Detection）的思想，将“严重程度”定义为样本相对于健康图像分布的异常程度。

1. 训练健康分布模型：使用 Kermany 数据集（健康图像）训练一个自编码器（Auto-Encoder）。
2. 引入梯度约束 (GradCON)：在训练过程中引入梯度约束，使健康图像的梯度响应更加一致，从而让偏离健康分布的图像产生可区分的梯度响应。
3. 计算严重程度分数 (Severity Score, SS)：
   对于无标签图像，通过公式计算其严重程度分数：
   $$SS = -L_{recon} + \alpha L_{grad}$$
   • $L_{recon}$：输入图像与重构输出之间的均方误差（MSE）。
   • $L_{grad}$：目标图像梯度与从健康数据学习到的参考梯度之间的余弦相似度平均值。
   • $\alpha$：超参数（设为 0.03）。
   • 逻辑：异常样本（病变严重）需要更剧烈的模型更新，因此其梯度与正常分布的梯度差异更大，导致 $L_{grad}$ 项表现出不同的特征。
4. 生成伪标签：将所有无标签图像的严重程度分数排序，并划分为 $N$ 个区间（Bins）。同一区间内的图像被赋予相同的严重程度标签（Severity Label, SL）。

2.2 监督对比学习 (Supervised Contrastive Learning)

利用生成的伪标签训练编码器：

1. 编码器训练：使用 ResNet-18 作为编码器，配合监督对比损失函数（Supervised Contrastive Loss）。
   • 正样本：具有相同严重程度标签（SL）的图像对。
   • 负样本：具有不同严重程度标签的图像对。
   • 目标：拉近相同严重程度图像的嵌入距离，推远不同严重程度图像的距离。
2. 微调 (Fine-tuning)：冻结编码器权重，添加一个线性层，使用少量带有真实生物标志物标签的数据进行微调，以完成具体的生物标志物分类任务。

3. 主要贡献 (Key Contributions)

1. 提出基于梯度的伪标签框架：提出了一种利用异常检测算法（GradCON）的梯度响应，为无标签 OCT 扫描生成疾病严重程度伪标签的新方法。
2. 医学导向的对比学习策略：证明了在医疗领域，基于“疾病严重程度相似性”选择正样本对，比传统的基于“数据增强”的策略更有效。
3. 性能提升：在糖尿病视网膜病变的关键生物标志物分类任务中，该方法相比自监督基线（如 SimCLR, MoCo v2 等）将分类准确率提升了最高 6%。

4. 实验结果 (Results)

• 数据集：使用了 Prime + TREX DME 数据集（约 6 万张无标签 OCT，7500 张有标签 OCT）和 Kermany 健康数据集。
• 对比基线：与 SimCLR、PCL、MoCo v2 等主流自监督方法进行了对比。
• 关键发现：
  • 分箱数量 ($N$) 的影响：严重程度分箱的数量 $N$ 对性能有显著影响。
    • 中等数量的分箱（如 5000 或 10000）在多标签分类任务中表现最佳。
    • 对于特定生物标志物（如 DME 和 IRF），较大的分箱数（15000-20000）效果最好，这可能是因为这些特征更明显，需要更细粒度的正样本分组。
    • 对于较难识别的标志物（如 PAVF），中等分箱数（10000）效果最佳，可能需要一定的正样本多样性。
  • 整体性能：在 5 种生物标志物（IRF, DME, IRHRF, FAVF, PAVF）的分类任务中，提出的方法（SL5000）在多标签分类平均 AUC 上达到了 0.774，优于所有基线模型（SimCLR 为 0.754）。
  • 异常检测器对比：与其他异常检测方法（MSP, ODIN, Mahalanobis）相比，基于梯度的 GradCON 方法生成的标签在后续分类任务中表现最好。

5. 意义与结论 (Significance)

• 解决医疗数据瓶颈：该方法有效地利用了容易获取的健康图像和无标签数据，减少了对昂贵专家标注数据的依赖。
• 提升模型可解释性：通过梯度响应定义的严重程度，能够形成语义可解释的聚类（即严重程度相似的图像在特征空间中聚集），这比黑盒的增强策略更符合医学直觉。
• 通用性潜力：虽然本文聚焦于 OCT 和 DR，但这种“基于异常程度构建伪标签以指导对比学习”的思路，可推广至其他需要利用无标签数据进行疾病分级的医学影像任务中。

总结：该论文通过创新性地利用模型梯度响应来量化疾病严重程度，并以此构建监督对比学习的正负样本对，成功解决了医疗图像中数据标注稀缺和传统增强策略不适用的问题，显著提升了 OCT 图像中关键生物标志物的检测精度。