💻 computer science

SWH-SegFormer: A Signal-Preserving Framework for Joint Optic Disc and Cup Segmentation and Reliable Cup-to-Disc Ratio Estimation

本文提出了 SWH-SegFormer，这是一个集成了通道重校准、哈尔小波下采样和分层倒数注意力机制的信号保持框架，旨在克服分割挑战，并实现准确的视盘与视杯联合分割，从而通过杯盘比估计实现可靠的青光眼评估。

原作者： Xiaohu liu, Qian Ma, JIAJIA WANG, JING LI, biao yan, Zhenhua Wang

发布于 2026-08-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Xiaohu liu, Qian Ma, JIAJIA WANG, JING LI, biao yan, Zhenhua Wang

原始论文采用 CC BY 4.0 许可（https://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

人类的眼睛是一个复杂的光学仪器，但对于监测被称为“视力沉默小偷”——青 glaucoma（青光眼）的医生们来说，最关键的线索在于视网膜后方一个被称为视盘（optic disc）的小型圆形区域。在这个圆盘内，有一个更小的中心凹陷，称为视杯（optic cup）。在健康的眼睛中，视杯相对较小，但随着青光眼的进展，它往往会扩大，吞噬周围的神经组织。为了测量这种危险的增长，临床医生会计算一个简单的比例：视杯的大小与整个视盘大小的比值。这个被称为“杯盘比”（cup-to-disc ratio）的数值，是至一个至关重要的早期预警信号。然而，通过手工测量该比例非常困难且容易产生人为误差，尤其是因为视杯与视盘之间的边界通常模糊、暗淡，且容易与血管或光照不均混淆。

多年来，研究人员一直试图教计算机自动绘制这些边界，但这项任务一直异常艰难。标准的计算机视觉模型往往难以识别区分微小视杯与较大视盘所需的精细细节，在处理图像时经常丢失边缘的锐度。来自上海海洋大学和上海交通大学研究人员的一项新研究引入了一种解决该问题的新方法。他们开发了一个名为 SWH-SegFormer 的系统，该系统不仅旨在识别形状，更旨在保留定义形状的微妙信号。通过将图像视为不同类型信息的集合——有些显示宏观形状，有些显示锐利边缘——该团队创建了一个能够在整个分析过程中保持这些细节完整的框架，从而实现了对杯盘比更准确的测量。

研究人员面临的核心挑战是，视杯通常比视盘小得多，这造成了严重的数据不平衡。想象一下尝试在一个广阔、明亮的区域中寻找一个微小、暗淡的目标；标准的计算机模型往往会关注巨大的、明亮的背景，而忽略了那个微小且重要的目标。为了解决这个问题，团队加入了一种特定的机制，迫使计算机更加关注对任务最重要的特征，本质上是调高了微弱信号的“音量”，同时调低了背景噪声的“音量”。这确保了系统不会被周围组织的压倒性规模所分散注意力。

另一个主要障碍是计算机在理解整体结构时会对图像进行缩小处理，从而导致细节丢失。在传统方法中，这种缩小过程往往会模糊定义视杯和视盘的边缘。研究人员通过借鉴信号处理中称为 Haar 小波下采样（Haar wavelet downsampling）的技术解决了这个问题。与其在图像缩小过程中简单地丢弃像素，这种方法将图像分为两部分：一部分捕捉解剖结构的总体平滑形状，另一部分捕捉边界的锐利高频细节。通过将这两部分分开并进行仔细处理，系统确保了视杯和视盘的关键边缘即使在计算机以不同细节层级消化图像时，依然保持清晰锐利。

最后，团队解决了如何将碎片重新组合的问题。一旦计算机在各种尺度上分析完图像，它必须重建最终的视盘和视杯图谱。研究人员构建了一个新的解码模块，允许系统将其早期的、关于边缘的精细观察与后期的、关于整体形状的宏观理解进行不断的对比。这种精细细节与宏观全景之间的“对话”，有助于系统纠正自身的错误，从而得到更准确且符合解剖学一致性的结构轮廓。

在三个不同的公开眼科图像集上进行测试时，这一新框架证明了其高度的有效性。在一个包含一百多张图像的数据集中，该系统与专家绘制的“地面真值”（ground truth）达到了高度重合，正确识别视盘的比例约为 85%，识别视杯的比例接近 93%。更重要的是，该系统估算杯盘比的能力非常可靠，平均误差小于 0.05，这一误差范围在临床上是非常小的。研究人员将他们的方法与几种领先的 AI 模型进行了对比，包括近年来在领域内占据主导地位的基于深度学习架构的模型。在几乎所有的比较中，他们的信号保留方法都优于其他模型，在提供更高准确度的同时，使用了更少的计算资源。

研究还观察了计算机的测量值与人类专家提供的参考值之间的匹配程度。通过使用一种标准的统计方法来检查一致性，研究人员发现，该系统表现出比基准模型更少的系统性偏差和更少的极端误差。这表明，该新框架不仅仅是在猜测边界，而是真正理解了视盘与视杯之间微妙的过渡。研究结果在不同的数据集（包括具有多样化患者群体和不同图像质量的数据集）中保持了一致性，表明该方法具有鲁棒性，而不仅仅是对单一图像集的偶然契合。

尽管结果令人鼓舞，但研究人员承认，他们的工作是向前迈进了一步，而非最终解决方案。该研究依赖于公开可用的数据集，虽然这些数据很有价值，但与现实世界医院中海量的图像收藏相比规模仍然较小。他们还指出，目前的系统仅适用于标准的视网膜彩色照片，尚未涵盖可能提供更多深度的其他成像技术。尽管如此，这项研究表明，通过专注于保留定义解剖结构的特定信号，而非仅仅通过扩大或加深模型，可以创造出既准确又高效的工具。这种方法为自动化筛查系统开辟了一条新路径，这类系统有望帮助更早、更可靠地检测青光眼，从而为数百万可能因未能及时诊断而失明的人群挽救视力。

技术摘要：SWH-SegFormer

问题陈述
从眼底图像中准确分割视盘（OD）和视杯（OC）对于评估青光眼的临床关键指标——杯盘比（CDR）至关重要。然而，联合 OD/OC 分割面临三个显著挑战：

前景–背景不平衡： 视杯在视盘内仅占据很小的区域，导致特征学习向占主导地位的背景区域偏移，从而削弱了与视杯相关的表征能力。
边界模糊： 盘–杯边界通常表现为渐进的强度过渡而非清晰的边缘，这使得它们容易受到视网膜血管、照明变化和病理改变的影响。
信号衰减： 在层次化特征提取和空间分辨率变换过程中，与任务相关的响应和对边界敏感的解剖信息会逐渐衰减，从而损害精细结构描绘及后续 CDR 估算的准确性。

方法论
作者提出了 SWH-SegFormer，这是一个基于 SegFormer 架构的信号保持框架。该框架通过在通道、频率和空间域进行渐进式优化，来减轻表征退化问题：

阶段性通道重校准 (SE)： 为了解决前景–背景不平衡问题，在每个编码器阶段后插入了一个挤压与激励（Squeeze-and-Excitation, SE）模块。该模块通过全局平均池化汇总空间信息，并通过瓶颈变换对通道间的依赖关系进行建模，从而实现通道响应的自适应重校准。这增强了任务相关特征的响应，同时抑制了信息量较低的通道。
频率感知特征保持 (HWD)： 为了防止下采样过程中丢失边界细节，标准空间缩减被 哈尔小波下采样 (Haar Wavelet Downsampling, HWD) 所取代。HWD 将特征图分解为四个子带：一个捕捉粗略解剖结构的低频分量（LL）以及三个描述局部边界相关方向性强度变化的高频分量（LH, HL, HH）。这确保了结构信息和边界相关信息都能被保留并传播到更深的编码器阶段。
层次化空间重建 (HRAMi)： 在解码器中，标准的逐层感知机（MLP）融合被 层次化互惠注意力混合器 (Hierarchical Reciprocal Attention Mixer, HRAMi) 所取代。该模块促进了浅层（边界敏感型）特征与深层（语义型）表征之间的双向交互。在此交互之后，使用基于像素洗牌（pixel-shuffle）的上采样技术逐步恢复空间分辨率，以确保重建出空间连贯的 OD 和 OC 轮廓。
损失函数： 模型使用结合了 Dice Loss（用于处理小目标前景区域）和 Focal Loss（用于处理难样本和前景–背景不平衡）的复合损失函数进行优化。

核心贡献

信号保持框架： 本文引入了 SWH-SegFormer，它从通道–频率–空间的表征角度构建了 OD/OC 分割问题，集成了判别性响应维持、边界信息保持和结构一致性。
哈尔小波集成： 将 HWD 引入 Transformer 编码器是本文的一项创新贡献，旨在分辨率降低过程中保留多频率结构表征（包括低频解剖结构和高频边界）。
HRAMi 解码器： 开发了基于 HRAMi 的重建模块，强化了层次化交互，提升了空间重建能力，并支持可靠的 CDR 估算。

实验结果
该框架在三个公开数据集（Drishti-GS, ORIGA, 和 RIM-ONE-R3）上通过五折交叉验证进行了评估，并与最先进的 CNN 和 Transformer 方法（如 U-Net, Swin Transformer, Mask2Former, SegFormer）进行了对比。

分割性能： SWH-SegFormer 在所有数据集上均取得了具有竞争力的或更优越的性能。在 Drishti-GS 数据集上，其平均视盘 Dice 系数为 85.39%，平均视杯 Dice 系数为 92.86%，平均交并比（MIoU）为 86.68%。
CDR 估算： 该框架提供了可靠的 CDR 估算，在 Drishti-GS 上的 CDR 绝对误差 ( $\delta$ ) 为 0.0457。Bland–Altman 分析表明，与基准模型相比，该框架在预测与参考 CDR 测量值之间具有更高的吻合度，且系统偏差更小，95% 一致性界限更窄。
效率： 尽管增加了额外的模块，但与基准 SegFormer 相比，该框架降低了计算复杂度，将 FLOPs 从 18.63 G 降至 11.33 G，同时提高了准确性。
消融实验： 实验证实，SE、HWD 和 HRAMi 模块提供了互补的收益，它们的共同集成产生了最佳的整体性能。

意义与主张
论文声称，SWH-SegFormer 通过解决层次化特征学习中固有的特定信号退化问题，为自动化眼科图像分析提供了一种鲁棒的解决方案。作者断言，在编码和重建过程中保持任务相关的解剖信号对于准确的结构描绘至关重要。因此，该框架不仅提高了像素级分割指标，还增强了 CDR 估算的临床可靠性，这是青光眼筛查的关键步骤。研究表明，这种通道–频率–空间优化策略可以作为其他涉及小目标和模糊边界的医学图像任务的通用框架，尽管作者指出，在进行更广泛的临床部署前，仍需在更大规模的多中心数据集和多模态成像（如 OCT）上进行进一步验证。

技术摘要：SWH-SegFormer

类似论文