💻 computer science

A Unified Deep Learning Cascade for Retinal Disease Detection and Diabetic Retinopathy Severity Grading

本文提出了一种统一的两阶段深度学习级联架构，该架构利用带有非对称损失的 EfficientNetV2-S 模型来检测 RFMiD 数据集中的 28 种视网膜疾病，随后采用经过 Platt 校准的不确定性感知门控将糖尿病视网膜病变阳性病例路由至第二阶段，在 APTOS-2019 数据集上进行序数严重程度分级，在实现高性能的同时，解决了由多疾病共存导致的识别准确率显著下降的问题。

原作者： Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta

发布于 2026-06-29

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta

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

想象一下，你的眼睛就像一个繁忙的机场，而视网膜就是控制塔。有时，控制塔会出现问题——也许是灯光闪烁、屏幕破裂，或者一场风暴袭来。糖尿病视网膜病变 (DR) 就好比一种特定的、危险的“风暴”，如果不能及早发现，它可能会摧毁整个控制塔。

问题在于，存在着 28 种不同的“风暴”（疾病），而且它们往往会同时发生。此外，DR 的“风暴”强度也各不相同，从细雨绵绵到飓风肆虐不等。

本文提出了一种全新的两阶段“安检检查站”系统（一种深度学习级联结构），旨在扫描这些眼部图像，识别疾病并评估 DR 风暴的严重程度。以下是其工作原理，通过简单的类比进行拆解：

第一阶段：广角安全扫描仪

将第一阶段想象成站在主入口处的一名反应极快的安检员。

任务： 这名安检员观察眼部图像，并检查是否存在任何一种疾病。他不仅在寻找 DR 风暴，还在寻找所有可能的问题。
工具： 研究人员使用了一个名为 EfficientNetV2-S 的智能 AI 模型。为了让它更擅长发现罕见疾病（就像发现那些稀有且隐蔽的违禁品一样），他们使用了名为非对称损失 (Asymmetric Loss) 的特殊规则对其进行了训练。你可以把它想象成训练这名安检员要格外小心，不要漏掉任何微小的隐藏物品，即便这意味着他可能会误报一些无害物品。
结果： 这名安检员表现出色。他能以 98.3% 的准确率正确识别出糖尿病视网膜病变的存在。
缺陷： 研究人员发现，当患者同时患有多种疾病时（比如既有风暴又有破裂的屏幕），安检员会感到困惑。由于疾病之间会产生“干扰”（就像在拥挤的房间里太多人在同时大声叫喊），其准确率会下降约 42%。

守门人：“普拉特校准 (Platt-Calibrated)”开关

一旦第一名安检员发现了潜在的 DR 风暴，图像并不会直接进入下一步，而是会遇到一个智能闸门。

问题： 第一名安检员有时会对自己的预测过于自信或缺乏信心。
解决方法： 研究人员增加了一个“校准”步骤（Platt 缩放）。想象一下，这就像是一个翻译官，将安检员原始且不稳定的信心转化为精确、可靠的概率得分。这确保了闸门只在理由充分时才会开启。

第二阶段：专家级风暴等级评估师

如果闸门开启（意味着图像极有可能存在 DR），图像就会进入第二阶段。

任务： 这不再仅仅是寻找疾病，而是要评估严重程度。它是细雨（轻度）、大雨（中度），还是飓风（重度）？
转折点： 研究人员意识到，等级评估不仅仅是挑选一个类别（比如“红色”或“蓝色”），这是一个序数 (Ordinal) 任务。把“中度”风暴误判为“重度”风，比把“中度”误判为“轻度”要严重得多。
工具： 他们测试了两种不同的“专家评估师”：
1. EfficientNetV2-S： 全能选手。它的综合表现最好，在正确排列风暴等级方面的得分达到了 0.93（满分为 1.0）。
2. Swin Transformer (Swin-S)： 特别专家。虽然整体准确度略低，但它在识别最严重的风暴方面表现得异常出色，就像一位专门专注于处理最危险情况的专家。
策略： 他们使用了“五折集成 (5-fold ensemble)”方法。想象一下有五位不同的专家同时观察同一张图像，并取其意见的平均值。这使得最终的决策更加稳定和可靠。

为什么这种“级联”很重要

论文指出，试图用一个巨大的模型完成所有工作是混乱的。

类比： 如果你要求一个人承担所有职责（既要扫描 28 种疾病，又要评估其中一种特定疾病的严重程度），他会被压垮。
解决方案： 通过拆分工作，第一阶段起到了过滤器的作用。它捕捉到 DR 病例并将其发送给专门的等级评估师。这让评估师能够保持专注和高效。
“不确定性”安全网： 该系统有一个特殊的“模糊地带”（不确定性感知带）。如果闸门不确定是否应该将图像发送给评估师，它会使用一种智能公式来融合这两部分信息，而不是做一个可能错误的硬性决定。

他们的发现（结果）

性能： 该系统在发现 DR 方面非常出色（准确率 98%），并在等级评估方面表现优异（得分 0.93）。
“共存”发现： 他们证明了当多种疾病同时发生时，系统会产生困惑。这正是为什么他们需要这个两阶段系统：为了应对现实世界中多种问题并存的复杂眼部情况。
交叉测试： 他们在一个与训练集（APTOS）不同的数据集（RFMiD）上测试了该系统。尽管“光照”和“相机”有所不同，但系统在检测 DR 存在方面依然表现良好，证明了其鲁棒性（稳健性）。

总结

这篇论文构建了一个用于眼部健康的两步 AI 流水线。

第一步： 一个广角扫描仪负责寻找是否存在任何疾病，并特别侧重于发现糖尿病视网膜病变。
第二步： 一个专门的等级评估师接收这些特定病例，并评估 DR 的严重程度，其评估逻辑理解“严重”比“一般”更糟，而“一般”又比“良好”更糟。

结果表明，相比于尝试在一个过程中完成所有事情，这种两阶段系统更加准确且高效，尤其是在处理同时存在多种问题的复杂眼部情况时。

技术摘要：用于视网膜疾病检测与糖尿病视网膜病变严重程度分级的统一深度学习级联框架

问题陈述
糖尿病视网膜病变（DR）是导致可预防性失明的主要原因，因此需要可靠的自动化筛查。目前的深度学习文献通常将视网膜疾病检测与 DR 严重程度分级视为孤立的任务。此外，DR 分级通常被视为标准的类别分类问题，忽略了其序数性质（即误将重症病例识别为轻症比识别为相邻等级更具危害性）。此外，多种共存视网膜疾病的存在可能会降低单阶段模型的性能，而这一因素在统一框架中经常被忽视。

方法论
作者提出了一种两阶段深度学习级联架构，旨在统一多标签视网膜疾病筛查与序数 DR 严重程度分级。

第一阶段：多标签视网膜疾病检测
- 数据集： RFMiD（3,200 幅图像，28 类疾病）。
- 架构： EfficientNetV2-S 主干网络。
- 训练策略： 模型使用非对称损失（Asymmetric Loss, ASL）进行训练，以处理多标签数据集中常见的严重类别不平衡和长尾分布问题。预处理包括 Ben Graham 对比度归一化和广泛的数据增强（MixUp, CutMix）。
- 输出： 模型预测 28 种视网膜疾病的概率。DR 类专门作为“门控信号（gate signal）”，用于决定图像是否进入第二阶段。
门控机制与校准
- 多标签分类器的原始 Sigmoid 输出往往存在校准偏差。作者对 DR 后验概率应用了 Platt 校准（Platt scaling），以确保决策门控的可靠性。
- 级联变体： 研究评估了四种变体：
  - C0： 仅执行第二阶段（基准）。
  - C1/C2： 使用原始概率或校准后概率进行硬门控（Hard Gating）。
  - C3（提议方案）： 一种基于不确定性的双向级联。它使用两个阈值（ $\tau_{low}, \tau_{high}$ ）创建三个区域：明确的非 DR（输出为 0）、明确的 DR（进入第二阶段）以及一个模糊带（Ambiguous Band）。在模糊带中，使用结合了门控概率和第二阶段连续得分的融合分数进行处理。
第二阶段：序数 DR 严重程度分级
- 数据集： APTOS-2019（3,662 幅图像，5 个严重程度等级：0–4）。
- 方法： 将其表述为序数回归而非类别分类，以保留严重程度之间的关系。
- 主干网络： 对比了两种架构：
  - EfficientNetV2-S： 使用均方误差（MSE）损失。
  - Swin Transformer Small (Swin-S)： 使用加权均方误差（WMSE）来解决类别不平衡问题，并利用层次化偏移窗口自注意力机制。
- 集成： 使用 5 折分层交叉验证集成来生成最终的连续得分，并使用基于二次加权 Kappa（QWK）优化的 OptimizedRounder 将其转换为离散等级（0–4）。

核心贡献

统一级联框架： 一种新型的两阶段流水线，集成了多标签疾病检测与序数 DR 分级，仅将 DR 阳性样本路由至严重程度分级器。
系统性的主干网络对比： 对用于序数回归的 EfficientNetV2-S 与 Swin-S 进行了详细评估，分析了损失函数的敏感性和类别权重策略。
共存退化分析： 通过定量分析证明，同时存在的视网膜病理会降低识别性能（多疾病图像的 F1-macro 下降了 42%），这为级联架构和门控校准提供了实证依据。
不确定性感知路由： 引入了双向级联（C3），利用模糊带融合证据，从而减少了硬门控机制带来的误差。

实验结果

第一阶段 (RFMiD)： 使用 ASL 的 EfficientNetV2-S 实现了 0.910 的平均 AUC 和 0.539 的 mAP。其中 DR 通道的 AUC 特别达到了 0.983，验证了其作为门控信号的可靠性。
共存影响： 对于含有 2–3 种疾病的图像，性能显著下降（F1-macro 从 0.455 降至 0.266）。条件 AUC 分析显示，特定的疾病对（例如 DR 与格栅样变性）会导致显著的性能下降，从而证明了专用分级器的必要性。
第二阶段 (APTOS-2019)：
- EfficientNetV2-S 5 折集成 取得了最高的整体性能，QWK 为 0.9339。
- Swin-S 取得了 0.8963 的袋外（out-of-fold）QWK，但在预测重症等级（等级 3 和 4）方面表现出更强的敏感性。
级联评估：
- 校准至关重要：校准后的硬门控（C2）比原始硬门控（C1）提升了 0.013 QWK。
- 不确定性感知级联（C3）在不相交报告切片上的 QWK 为 0.9038，优于硬门控变体，并接近第二阶段仅包含分布数据时的基准性能（C0）。
- 误差归因显示，仅 4% 的误差源于门控失败，而 76% 的误差源于第二阶段的量级误差（相邻等级判别问题），这表明回归器是主要的瓶颈。
跨领域验证： 当应用于仅在 APTOS 上训练的 RFMiD 测试集时，该级联保持了高达 0.981 的 DR 检测 AUC，展示了对领域偏移的鲁棒性，但由于 RFMiD 缺乏地面真值（ground truth），其严重程度预测未经过验证。

意义与声明
本文声称，这种统一的级联框架有效地填补了通用视网膜疾病筛查与特定 DR 严重程度分级之间的空白。通过分析疾病共存情况，作者证明了单阶段模型在处理多病理输入时难以应对，从而论证了级联设计的合理性。研究强调，Platt 校准是实现有效硬门控的前提条件，且不确定性感知路由可以弥补门控机制造成的性能损失。

作者指出，虽然 EfficientNetV2-S 提供了更优的整体准确性，但 Swin-S 在检测重症病例方面具有互补优势。该框架被视为迈向现实世界眼科筛查工作流的一步，在这些场景中，多种异常情况经常同时存在。论文也审慎地承认了局限性，包括 RFMiD 中缺乏用于定量验证第二阶段性能的严重程度标签、缺乏可解释性可视化（如 Grad-CAM），以及在临床部署前需要在医院获取的数据集上进行外部验证。