💻 computer science

FunPiQ: A New Benchmark for Pixel-Level Quality Assessment in Fundus Images

本文介绍了 FunPiQ，这是首个基于解剖可见性的像素级眼底图像质量评估基准，并提出了具有设计解释性的 EFIQA-CP 方法，该方法在评估局部退化方面展现出优于现有图像级方法的卓越性能。

原作者： Pengwei Wang, José Morano, Virginia Mares, Hrvoje Bogunović

发布于 2026-06-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Pengwei Wang, José Morano, Virginia Mares, Hrvoje Bogunović

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名医生，正试图通过照相机观察患者的眼底（视网膜）。这被称为眼底照相。有时，照片出来的效果很模糊、很暗，或者有奇怪的阴影。如果照片质量很差，医生就无法看到诊断疾病所需的细节。

长期以来，计算机一直在尝试自动判断：“这张照片是否足够好，可以使用？”但目前它们实现这一目标的方式存在问题。

旧方法：对整张图片进行评判

以前，计算机观察的是整张照片，并给出一个单一的分数，就像老师给学生的一场考试打“C”一样。

缺陷： 一张照片可能中心部分非常清晰，但边缘很模糊。如果计算机因为边缘问题而判定为“差”，医生可能会因此丢弃一张其实对中心区域非常有用的照片。
困惑： 不同的医生对什么是“好”有不同的理解。有的医生需要看清血管，而有的医生只需要看到视神经。这使得很难创建一个通用的规则来定义一张“好”的照片是什么样的。

新解决方案：FunPiQ（“像素级”成绩单）

作者创建了一个名为 FunPiQ 的新工具。它不再是对整张照片进行评分，而是像一个高分辨率的热力图。它观察图像中的每一个微小的点（像素），并做出判断：

好： “我能清晰地看到这里的细节。”
可用： “有点模糊，但我仍能辨认出形状。”
差： “这个地方太暗、太模糊或被遮挡了，什么也看不见。”

这就像是给学生一份成绩单，它不仅是简单地说“数学：不及格”，而是标出了书页上的哪些数字是用铅笔写的，哪些是用钢笔写的。它消除了关于“问题出在哪里”的猜测。

新方法：EFIQA-CP（智能侦探）

为了使用这种新的“像素级”系统，作者构建了一个新的 AI 侦探——EFIQA-CP。

它解决的问题： AI 需要学习什么是“坏”的，但它没有一位老师来向它展示每一个坏掉的点。相反，它必须根据线索进行推测（例如：“如果我在这里看不见血管，那么这个地方可能就很差”）。这些推测通常是充满噪声且不可靠的，就像一名在模糊的监控录像中工作的侦探。
窍门： 作者给了这个 AI 两个特别的工具：
1. 广角镜头： AI 不再一次只看一个微小的点，而是观察每个点周围更广泛的邻域。这有助于它理解上下文（例如：“眼睛中心自然血管较少，所以不要仅仅因为那里是空的就把它判定为‘差’”）。
2. “别恐慌”过滤器： 因为 AI 最初的猜测是混乱的，作者教了它一种特殊的学习规则（称为 nnPU），以防止它对自己的错误过度反应。它学会了只有在确定时才表现出自信，并忽略那些令人困惑的部分。

结果：谁赢得了比赛？

作者使用他们新的“像素级”测试（FunPiQ），将他们的探测器（EFIQA-CP）与现有的其他 AI 方法进行了对比测试。

获胜者： EFIQA-CP 是明显的冠军。它能更精准地指出照片哪里模糊或黑暗。
亚军： 该探测器的前一个版本（EFIQA）表现不错，但有时会在自然为空的区域（如眼睛的正中心）感到困惑。
失败者： 其他仅观察整张图像或在没有特定训练的情况下尝试寻找“异常”的方法，往往噪声过多或漏掉了大面积模糊区域。

为什么这很重要（根据论文观点）

论文认为，这种新的思考方式更好，因为：

具有可解释性： 它不是一个只会说“拒绝此图像”的黑箱，它展示了为什么（例如：“左上角太暗了”）。
具有灵活性： 因为它观察的是解剖结构（实际的眼睛部位）而非仅仅是一个通用的“模糊”标签，所以它可以适应不同的医疗需求。
有助于非专业人员： 如果护士拍摄了照片，系统可以告诉他们：“中心没问题，但边缘太暗了，请重新拍摄。”而不是仅仅说“照片很差”。

简而言之，这篇论文介绍了一种通过观察细节而非整体来更精确地评价眼底照片的新方法，并且他们还构建了一个更聪明的 AI 来进行评分。

技术摘要：FunPiQ 与 EFIQA-CP

问题陈述
彩色眼底照相（CFP）是进行大规模眼科筛查的主要手段，但它极易受到局部退化（例如：光照不均、对比度差、对焦模糊）的影响，这些退化往往仅影响图像的特定区域而非整个图像。目前的眼底图像质量评估（FIQA）方法依赖于图像级标签，而这些标签在不同数据集和临床任务之间存在显著差异。对于某种疾病（如青光眼）而言适用的“高质量”定义，对于另一种疾病可能并不适用。这种任务依赖性使得人工进行的图像级评估既主观又耗时。此外，现有的图像级标签无法对局部退化进行定量评估，限制了可靠、可解释的 FIQA 系统的发展。虽然一些方法试图定位退化区域，但它们通常依赖于噪声较大的伪标签，或缺乏全局上下文信息，导致定位不精确（例如：将自然血管密度较低的区域如黄斑区误分类为退化区域）。

方法论
本文介绍了 FunPiQ，一个新的基准数据集，以及 EFIQA-CP，一种新型的像素级质量评估方法。

FunPiQ 数据集：
- 组成： 该数据集包含来自三个现有基准（美国的 EyeQ；巴西的 BRSET 和 mBRSET）的 300 幅图像，以确保在种族、采集设备（从台式到移动端）以及退化类型方面的多样性。
- 标注策略： 不同于以往具有全局标签的数据集，FunPiQ 提供像素级质量标注。图像由专家阅读者在认证眼科医生的监督下进行标注。
- 类别： 基于解剖结构的可见性定义了三个序数类别：
  - 良好 (Good)： 解剖结构轮廓清晰，边界明确。
  - 可用 (Usable)： 解剖结构可辨识，但清晰度或对比度轻微下降。
  - 差 (Bad)： 由于严重的伪影、信号丢失或介质浑浊而无法进行分级的区域。
- 筛选： 该数据集专门采样了先前在源数据集中被标记为“差”的图像，以确保每幅图像中都包含“好”、“可用”和“差”的区域，从而测试模型区分局部质量的能力。
EFIQA-CP 方法：
- 架构： 该方法基于 EFIQA 流水线，利用冻结的 DINOv3 主干网络进行特征提取。它将标准的线性适配器替换为一个浅层、宽型的类 ConvNeXt 网络，该网络具有 7×7 的深度卷积。这种设计通过更大的感受野整合空间信息，以纳入全局上下文，从而解决将低血管密度区域误分类的问题。
- 学习策略： 为了处理伪标签中固有的噪声（伪标签仅基于血管缺失生成的基于血管无监督异常检测模型），作者采用了非负正向未标记 (nnPU) 学习。
  - 通过严格的阈值隔离可靠的低质量像素（正类），将其余部分视为未标记数据。
  - nnPU 框架防止了来自隐藏负样本的估计风险降至零以下，从而稳定了训练并减轻了伪标签过拟合的问题。
  - 目标函数使用带有正类先验 ( $\pi = 0.05$ ) 的 softplus 代理损失。

核心贡献

FunPiQ 基准： 首个专门用于彩色眼底照相像素级质量评估的公开基准，提供了局部退化的地面真值（ground-truth）标注。
EFIQA-CP： 一种新型方法，通过结合宽感受野适配器与 nnPU 学习来处理噪声伪标签并提高空间精度，从而改进了现有的“设计即可解释”（EBD）方法。
全面评估： 在新数据集上对现有的 FIQA 方法（包括端到端、EBD 和异常检测方法）进行了彻底的基准测试，建立了像素级性能的基准。

结果
在 FunPiQ 数据集上使用加权二次 Kappa 系数 (QWK) 和平均 Sørensen–Dice 系数 (mDice)，以及二分类“拒绝”任务指标（AUROC, AUPRC, S95）进行了广泛评估。

性能： EFIQA-CP 在所有指标和数据集（BRSET, EyeQ, mBRSET 以及合并集）上均达到了最先进的性能（SOTA）。它在 QWK 指标上较原始 EFIQA 展现出了统计学意义上的显著提升（例如，在合并数据集上 $p < 0.0001$ ）。
对比： EBD 方法（EFIQA-CP, EFIQA, EyeQual）的表现始终优于端到端监督方法（MCF-Net, FGR-Net）和通用异常检测方法（PatchCore, UniVAD）。
定性分析： EFIQA-CP 生成的质量图最为精确，区域平滑且对分数的利用率更高。虽然 EyeQual 在“良好”类别上表现出高精度，但在区分“可用”与“差”方面表现挣扎。通用异常检测方法倾向于突出退化区域，但生成的图谱存在噪声，且在补丁（patches）上具有高分，这表明它们偏向于紧凑的异常而非大规模的质量退化。
消融实验： 将 nnPU 损失替换为标准二元交叉熵（BCE）会导致过拟合和性能下降，证实了在处理此类噪声标签设置时 nnPU 框架的必要性。

意义与主张
作者认为，基于解剖可见性的像素级 FIQA 比图像级评估更具任务无关性和可解释性。通过提供具有像素级地面真值的基准，FunPiQ 使得定量评估定位精度成为可能，而这在以前是无法实现的。

论文声称，设计即可解释（EBD）方法在局部质量预测方面具有明显的优势。具体而言，EFIQA-CP 证明了将架构改进（全局上下文）与鲁棒学习策略（nnPU）相结合，可以有效减轻伪标签的噪声。作者指出，像素级图谱通过识别“哪里”图像不足，为非专业操作人员提供直接的临床价值，支持质量保证，并指导有针对性的图像重采集。此外，这些图谱可以作为图像增强模型的先验，以区分解剖结构与伪影。这项工作旨在推动像素级 CFP 质量检测的研究，并开发具有更强临床适用性的更稳健、更灵活的 FIQA 方法。