💻 computer science

HAG-EUNet: Attention-Guided Deep Learning for Choroid Segmentation and Clinical Biomarker Extraction in Optical Coherence Tomography

该论文介绍了 HAG-EUNet，这是一种结合了 EfficientNet-B3 编码器与 Transformer 增强型 U-Net 解码器的混合深度学习模型，旨在实现 OCT 图像中自动化、高精度的脉络膜分割并提取 32 个具有临床相关性的生物标志物，在准确性和效率方面均显著优于标准的 U-Net 基准模型。

原作者： Jom Binoy, Gayathri S

发布于 2026-08-25

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jom Binoy, Gayathri S

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

在人类眼睛内部那个安静、黑暗的世界里，一层被称为脉络膜的薄薄的血管层起着至关重要的生命线作用。它位于视网膜（位于眼球后部的光敏组织）的正下方，其主要职责是为外层视网膜输送氧气和营养物质。当这一层的厚度或形状发生变化时，通常预示着出现了问题。这些变化与一系列严重的眼部疾病有关，从年龄相关性黄斑变性到糖尿病视网膜病变，甚至最近的研究表明，它们可能反映了更广泛的健康问题，如心脏病。为了理解这些变化，医生使用一种名为光学相干断层扫描（OCT）的扫描技术。这种设备可以创建极其详细的眼部横截面图像，非常类似于超声波成像，只不过它是利用光而不是声波。然而，解读这些图像非常困难。脉络膜在扫描图中往往显得模糊且暗淡，被一种被称为“斑点噪声”的颗粒状纹理所遮蔽，并被穿行其中的血管所遮挡。为了准确测量脉络膜，医生必须在屏幕上手动描绘其边界，这是一个枯燥的过程，对于单次扫描来说可能需要二十分钟到二十五分钟。这一瓶颈长期以来阻碍了进行早期发现疾病所需的快速、大规模分析。

来自印度维洛尔理工学院的一个研究小组开发了一种新方法来解决这个问题，创建了一个能够以惊人的速度和精度绘制脉络膜的自动化系统。他们构建了一个名为 HAG-EUNet 的专门计算机程序，它的功能就像是眼科医生的数字化高级助手。该系统不再依赖人工在每张图像上画线，而是使用深度学习模型来分析 OCT 扫描图，并自动识别脉络膜层的精确边界。研究人员将该模型设计成一种混合型架构，结合了不同的先进技术来应对眼部成像中的特定挑战。它首先对带有噪声的图像进行清理，在去除颗粒状干扰的同时保持精细解剖结构完整。随后，它使用一种复杂的架构，其作用就像一对拥有多个镜头的眼睛，能够同时观察组织的微观细节和整个眼部结构的宏观背景。

该系统的性能在针对多种现有方法（包括使用了多年的标准模型）的测试中得到了验证。在一项涉及 83 张该模型从未见过的测试图像的试验中，HAG-EUNet 在正确识别脉络膜方面的成功率接近 96%。这一得分显著高于排名第二的方法（其表现约为 95%），并且远优于那些维持在 91% 到 93% 左右的旧式基础模型。更重要的是，这个新系统更加一致，在不同图像之间产生的偏差极小。研究人员发现，该系统在处理图像的困难部分时表现尤为出色，例如脉络膜与白眼球交界处的边缘，这个边界经常会让其他软件感到困惑。通过优化这些边缘，该模型确保了其测量的结果不仅仅是猜测，而是可靠的数据点。

该系统不仅限于在脉络膜周围画线，它还进一步从扫描中提取出 32 种不同的临床测量值，即生物标志物。这些指标包括该层的平均厚度、覆盖面积，甚至包括对其纹理和血管模式的复杂描述。为了验证这些自动化数值是否值得信赖，研究人员将其与人类专家眼科医生进行的测量进行了对比。结果显示，机器与人类之间存在高度的一致性，自动化测量结果几乎完美地匹配了专家的发现。这种准确水平表明，该系统可以被信任，能够提供与专家相同的诊断洞察，但耗时仅为后者的一小部分。研究人员还展示了该系统可以集成到 Web 应用程序中，实现实时分析，使医生可以上传扫描图并立即获得完整的报告。

这项研究强调，虽然新模型是一个重大的进步，但它并非没有局限性。该系统是在单个公开数据集的图像上进行训练和测试的，研究人员承认，它可能需要在不同类型的扫描仪和患者群体中进行进一步验证，以确保其在任何地方都能奏效。此外，当前版本分析的是眼部的二维平面切片，而非完整的三维体积，未来使用三维数据可能会提供更详尽的信息。尽管存在这些限制，这项工作仍代表了监测眼部健康方式的一个实质性转变。通过将繁琐的分割任务自动化，该系统减轻了手动描绘的负担，并为更快速、更一致的眼疾诊断打开了大门。它将一个缓慢、劳动密集型的过程转变为快速、自动化的工作流，从而可能让医生在视觉丧失之前检测到脉络膜的细微变化，甚至可能发现隐藏在眼部中的早期全身性健康问题。

技术摘要：用于 OCT 脉络膜分割的 HAG-EUNet

问题陈述
在光学相干断层扫描（OCT）图像中，准确分割脉络膜层对于诊断如年龄相关性黄斑变性（AMD）、中心性浆液性脉络膜视网 l 症（CSCR）和糖尿病视网膜病变等眼科疾病，以及评估心血管疾病等全身性疾病至关重要。然而，脉络膜的手动标注非常耗时（每张扫描需 20–25 分钟），且由于图像伪影容易出现误差。OCT 图像面临特定的挑战，包括斑点噪声、脉络膜-巩膜界面处的低对比度、血管阴影以及解剖结构的变异性。虽然像 U-Net 及其变体这样的深度学习模型推动了医学图像分割的发展，但它们往往难以处理脉络膜固有的低对比度边界和结构变异性。现有的自动化方法通常受限于手工预处理，缺乏全局上下文建模，或者依赖于并非在标准 2D 临床工作流中总能获取的体积数据。

方法论
作者提出了 HAG-EUNet，这是一个旨在实现自动化脉络膜分割和临床生物标志物提取的混合深度学习框架。该方法由三个主要部分组成：

鲁棒的预处理流水线： 采用了一个三阶段流水线，旨在增强结构清晰度的同时保留解剖边界。这包括：
- 预平滑（Pre-smoothing）： 使用高斯滤波（ $\sigma = 0.4$ ）进行初步降噪。
- 去噪（Denoising）： 使用双边滤波（ $d=5, \sigma_c=10, \sigma_s=10$ ）在保留边缘的同时减少斑点噪声。
- 增强（Enhancement）： 使用对比度受限的自适应直方图均衡化（CLAHE）并进行保守混合（60%），以在不引入伪影的情况下提高局部对比度。
- 据报道，该流水线使 Dice 系数提升了 3–4%。
HAG-EUNet 架构： 该模型是一个具有特定增强功能的编码器-解码器结构：
- 编码器： 利用在 ImageNet 上预训练的 EfficientNet-B3 在五个层级上提取层次化特征，平衡了计算效率中的深度、宽度和分辨率。
- 瓶颈层（Bottleneck）： 集成了 空洞空间金字塔池化（ASPP）（扩张率分别为 1, 6, 12, 18）以捕获多尺度上下文信息，以及一个带有四头自注意力机制的 Transformer 模块，用于建模全局上下文关系。
- 解码器： 特点是具有注意力引导的上采样机制。它包含：
  - 密集跳跃连接（Dense Skip Connections）： 通过 $1\times1$ 卷积将编码器特征与上采样的解码器特征对齐。
  - 双重注意力（Dual Attention）： 用于通道注意力的挤压-激励（SE）模块，以及通过最大/平均池化导出的空间注意力图。
  - 残差连接（Residual Connections）： 用于稳定训练并改善梯度流。
- 特征融合： 特征金字塔网络（FPN）融合来自所有四个解码器阶段的特征。
- 边缘细化（Edge Refinement）： 一个专门的模块使用 Sobel 算子提取水平和垂直边缘特征，并将其与解码器输出融合，以精细化边界描绘。
训练策略：
- 损失函数： 结合了 Dice Loss（权重 0.7）和 Focal Loss（权重 0.3, $\alpha=0.25, \gamma=2.0$ ）的复合损失，以解决类别不平衡和边界敏感性问题。
- 深度监督（Deep Supervision）： 在四个解码器阶段使用辅助输出（各占 7.5% 的权重），与主输出（权重 70%）共同作用，以增强梯度流。
- 数据集： 模型在 385 幅 OCT 图像上进行训练，在 83 幅图像上进行验证，并在从公开数据集（C8）中选取的 83 幅图像上进行测试。地面真值（Ground truth）掩码由 DeepGPET 生成，并由专家眼科医生进行人工修正。

核心贡献

新颖架构： 引入了 HAG-EUNet，该模型独特地结合了 EfficientNet-B3、Transformer 注意力、ASPP、多形式注意力以及专门针对脉络膜分割的边缘细化技术。
优化的预处理： 一种保守的三阶段流水线，在减少噪声的同时保留了解剖完整性，并展示了可衡量的性能增益。
临床部署： 开发了一个基于 FastAPI 的系统，能够实现实时推理并自动提取 32 个临床相关生物标志物（包括厚度指标、几何特征、纹理描述符和血管特征），消除了手动标注的负担。

结果

定量性能： 在 83 幅图像的测试集上，HAG-EUNet 实现了 95.99% ± 1.86% 的 Dice 系数、92.36% 的 IoU 以及 95.89% 的精确度（Precision）。
- 它超越了包括 Swin-UNet, ConvNeXt-UNet, U-Net, Attention U-Net, U-Mamba, U-Net++, DeepLabV3+ 和 TransUNet 在内的最先进基准模型。
- 与最强的基准模型 TransUNet 相比，其 Dice 系数提高了 0.72 个百分点。
- 它表现出更高的稳定性，标准差为 1.86%，这代表比 DeepLabV3+ 的方差降低了约 29%。
- 该模型计算效率高，参数量（25M）比 DeepLabV3+（40M）少了 37.5%。
消融实验： 移除单个组件证实了它们的必要性。移除 Transformer 模块导致的性能下降最大（−1.02% Dice），其次是 ASPP（−0.95%）和边缘细化（−0.78%）。
生物标志物验证： 四个主要生物标志物（平均厚度、中心凹下厚度、面积和最大厚度）的自动化测量与专家地面真值显示出强相关性（Pearson $r$ 范围为 0.9288 至 0.9623；Spearman $\rho$ 为 0.9436 至 0.9686），且在 Bland–Altman 分析中表现出低偏差。
定性分析： 视觉结果表明，该模型成功描绘了低对比度区域和存在伪影情况下的边界，尽管在应对剧烈厚度变化和高度弯曲的边界时仍存在挑战。

意义与声明
论文声称 HAG-EUNet 提供了一个可靠、精确且可临床部署的脉络膜分割解决方案。通过在标准 2D B-scans 上实现高精度，该框架能够实现自动化的 32 个生物标志物提取，从而支持负责任、快速且可靠的基于 AI 的眼科分析。作者将这项工作定位为迈向自动化定量 OCT 分析的一步，有助于早期疾病检测、长期监测以及心血管风险评估。

局限性与未来工作
作者谦虚地承认了若干局限性：

泛化性： 数据集来自单一来源和单一成像设备，这可能会限制其在不同采集设置下的适用性。
维度性： 当前框架单独处理 2D B-scans，未对相邻切片间的体积一致性进行建模。
标注： 地面真值由单一专家提供；多标注者验证将增强评估的强度。
临床验证： 虽然分割精度很高，但仍需要前瞻性临床研究来验证所提取生物标志物与患者预后的直接相关性。

提出的未来工作包括：多中心评估、扩展到全 3D 体积分析、集成用于可解释性的不确定性估计，以及分割脉络膜血管以推导脉络膜血管指数（CVI）。

技术摘要：用于 OCT 脉络膜分割的 HAG-EUNet

类似论文