人類心臟是一臺令人驚嘆的機(jī)器，它能持續(xù)運(yùn)轉(zhuǎn)長達(dá)一個世紀(jì)而不失靈。測量心臟功能的關(guān)鍵方法之一是計算其射血分?jǐn)?shù)，即每搏輸出量占心室舒張末期容積量的百分比。而測量這個指標(biāo)的第一步依賴于對心臟圖像心室的分割。

　　　　問題描述

　　開發(fā)一個能夠?qū)π呐K磁共振成像（MRI）數(shù)據(jù)集圖像中的右心室自動分割的系統(tǒng)。到目前為止，這主要是通過經(jīng)典的圖像處理方法來處理的。而現(xiàn)代深度學(xué)習(xí)技術(shù)有可能提供更可靠、更自動化的解決方案。

　　2016年由Kaggle贊助的左心室分割挑戰(zhàn)賽中的三名獲獎?wù)叨疾捎昧松疃葘W(xué)習(xí)解決方案。然而，分割右心室（RV）則更具挑戰(zhàn)性，因為：

　　在腔內(nèi)存在信號強(qiáng)度類似于心肌的小梁; RV復(fù)雜的新月形;分割根尖圖像切片的難度;個體之間的室內(nèi)形狀和強(qiáng)度存在相當(dāng)大的差異，特別是在不同的疾病病例之間。

　　撇開醫(yī)學(xué)術(shù)語不談，要識別RV就更困難了。左心室是一個厚壁圓環(huán)，而右心室是一個形狀不規(guī)則的物體，有薄的壁，有時會與周圍的組織混合在一起。這是MRI快照右心室內(nèi)壁和外壁（心內(nèi)膜和心外膜）的手工繪制輪廓：

　　這是一個分割起來很容易的例子。這一個比較困難：

　　而這對于沒有經(jīng)過訓(xùn)練的眼睛來說完全是一個挑戰(zhàn)：

　　事實上，與左心室相比，醫(yī)生需要耗費(fèi)兩倍的時間來確定右心室的體積并生成結(jié)果。這項工作的目的是建立一個高度準(zhǔn)確的右心室自動分割深度學(xué)習(xí)模型。模型的輸出是*分割掩碼*，即一個逐像素的掩碼，用來表示某個像素是否是右心室的一部分或只是背景。

　　數(shù)據(jù)集

　　對于當(dāng)前這個問題，深度學(xué)習(xí)需要面對的最大挑戰(zhàn)是數(shù)據(jù)集太小。 數(shù)據(jù)集（可以訪問這里）僅包含了來自于16例患者的243張醫(yī)師分割的MRI圖像。 另外還有3697張未標(biāo)記的圖像，這對于無監(jiān)督或半監(jiān)督技術(shù)可能會有用，但是我將這些放在了一邊，因為這是一個監(jiān)督學(xué)習(xí)問題。 圖像尺寸為216×256像素。

　　由于數(shù)據(jù)集過小，人們可能會懷疑無法將其一般化到尚未看到的圖像！但是很不幸，醫(yī)療上標(biāo)記過的數(shù)據(jù)非常昂貴，并且很難獲取到。對數(shù)據(jù)集進(jìn)行處理的標(biāo)準(zhǔn)程序是對圖像應(yīng)用仿射變換：隨機(jī)旋轉(zhuǎn)、平移、縮放和剪切。此外，我實現(xiàn)了彈性變形，也就是對圖像的局部區(qū)域進(jìn)行拉伸和壓縮。

　　應(yīng)用這種圖像增強(qiáng)算法的目的是為了防止神經(jīng)網(wǎng)絡(luò)只記住訓(xùn)練的樣例，并強(qiáng)迫其學(xué)習(xí)RV是一個實心的、月牙形的、方向任意的物體。在我實現(xiàn)的訓(xùn)練框架中，我會隨時對數(shù)據(jù)集應(yīng)用圖像變換算法，這樣，神經(jīng)網(wǎng)絡(luò)就會在每次訓(xùn)練時看到新的隨機(jī)變換。

　　由于大多數(shù)像素都屬于背景，所以各個種類之間分布不平衡。如果將像素強(qiáng)度歸一化在0和1之間，那么在整個數(shù)據(jù)集中，只有5%的像素屬于RV腔的一部分。

　　在創(chuàng)建損失函數(shù)時，我嘗試了重加權(quán)方案來平衡種類的分布情況，但最終發(fā)現(xiàn)未加權(quán)平均算法的表現(xiàn)最好。

　　在訓(xùn)練中，有20%的圖像被取出來作為驗證集使用。 RV分割挑戰(zhàn)賽的組織者有一個單獨的測試集，它由另外32個患者的514張MRI圖像組成。我提交的預(yù)測輪廓就是使用這個測試集進(jìn)行最終評估的。

　　還需要有一種方法來對數(shù)據(jù)集上的模型性能進(jìn)行量化。RV分割挑戰(zhàn)賽的組織者選擇使用了戴斯系數(shù)。模型會輸出一個掩碼*X*來描述RV，而戴斯系數(shù)將*X*與由醫(yī)師創(chuàng)建的掩碼*Y*通過以下方式進(jìn)行比較：

　　計算值是交叉區(qū)域與兩區(qū)域之和的比率的兩倍。對于不相交的區(qū)域，值為0;如果兩區(qū)域完全一致，則值為1。

　　下面我們來看下模型架構(gòu)。

　　U-net：基線模型

　　由于我們只有四周的時間來完成這個項目，所以我想盡快實現(xiàn)一個基線模型并讓它運(yùn)行起來。我選擇了由Ronneberger、Fischer和Brox提出的u-net模型，因為它曾在生物醫(yī)學(xué)分割項目中取得過成功，而且它的作者能夠通過使用積極的圖像增強(qiáng)和逐像重新加權(quán)算法并僅基于*30張圖片*來訓(xùn)練網(wǎng)絡(luò)。

　　u-net架構(gòu)由一個收縮路徑組成，就是將圖像折疊成一組高級特征，隨后是使用特征信息構(gòu)建像素分割掩碼的擴(kuò)展路徑。 u-net獨特的地方就是它的“復(fù)制和合并”連接，這些連接能夠?qū)⑿畔脑缙谔卣鲌D傳遞到構(gòu)建分割掩碼網(wǎng)絡(luò)的后續(xù)部分。作者指出，這些連接允許網(wǎng)絡(luò)同時并入高級特征和像素方面的細(xì)節(jié)。

　　我們使用的架構(gòu)如下所示：

　　由于我們圖像尺寸是u-net作者原本考慮的一半大小，所以我們需要將原始模型中的降采樣層數(shù)從4個減少到3個來適應(yīng)網(wǎng)格。我們也要用零來填充卷積，以保持圖像的大小不變。該模型是用Keras實現(xiàn)的。

　　如果沒有圖像增強(qiáng)，u-net在訓(xùn)練數(shù)據(jù)集上的戴斯系數(shù)能達(dá)到0.99（0.01），這意味著該模型具有足夠的能力來捕獲RV分割問題的復(fù)雜性。然而，驗證戴斯系數(shù)為0.79（0.24），所以u-net過強(qiáng)。圖像增強(qiáng)改進(jìn)了泛化，并將驗證精度提高到了0.82（0.23），代價是將訓(xùn)練精度降至0.91（0.06）。

　　我們?nèi)绾芜M(jìn)一步地降低訓(xùn)練與驗證之間的差距呢？正如Andrew Ng在這個很棒的談話中描述的那樣，我們可以用更多的數(shù)據(jù)（這不太可能）、正則化（dropout和批處理規(guī)范化沒有效果）、或嘗試新的模型架構(gòu)。

　　擴(kuò)張U-net：全局感受野

　　要對器官圖像進(jìn)行分割，需要了解器官之間排列的相關(guān)知識。事實證明，即使在u-net最深層的神經(jīng)元也只有68×68像素的感受野。網(wǎng)絡(luò)的任何部分都無法“看到”整個圖像。網(wǎng)絡(luò)不知道人類只有一個右心室。例如，下面的圖片中，箭頭標(biāo)記的地方被錯誤分類了：

　　我們使用擴(kuò)張卷積來增加網(wǎng)絡(luò)的感受野。

　　在上圖中，底層的卷積是規(guī)則的3×3卷積。下一層，我們將卷積擴(kuò)大了2倍，所以在原始圖像中它們的有效感受野是7×7。如果頂層卷積擴(kuò)大4倍，則能產(chǎn)生15×15的感受野。以此類推。

　　從原理上來說，黃色標(biāo)記的卷積層被u-net中的擴(kuò)張卷積所替代。最內(nèi)層的神經(jīng)元現(xiàn)在具有了覆蓋整個輸入圖像的感受野。我稱之為“擴(kuò)張u-net”。

　　在數(shù)量上，擴(kuò)張u-net確實提高了效果，達(dá)到了0.85（0.19）的驗證戴斯分?jǐn)?shù)，同時保持了0.92（0.08）的訓(xùn)練效果！

　　擴(kuò)張DenseNet：一次性多個尺度

　　這個靈感來自于物理中的張量網(wǎng)絡(luò)，我決定嘗試使用一個新型的圖像分割架構(gòu)，我稱之為“擴(kuò)張DenseNet”。它結(jié)合了擴(kuò)張卷積和DenseNet這兩種想法，這樣能夠大大減少網(wǎng)絡(luò)的深度和參數(shù)。

　　對于分割而言，我們需要來自多個尺度的全局上下文和信息來產(chǎn)生像素級掩碼。如果我們完全依賴于擴(kuò)張卷積來產(chǎn)生全局上下文，而不是通過降采樣來將圖像變得更小呢？現(xiàn)在，所有卷積層的大小都相同，我們可以應(yīng)用DenseNet架構(gòu)的關(guān)鍵思想，并在所有層之間使用“復(fù)制和合并”連接。擴(kuò)張DenseNet的結(jié)果如下圖所示：

　　在DenseNet中，第一個卷積層的輸出作為輸入饋送到所有的后續(xù)層中，第二、第三層也這樣。

　　擴(kuò)張DenseNet表現(xiàn)不錯，在驗證集上得到了0.87（0.15）的戴斯得分，訓(xùn)練精度為0.91（0.10），同時保持了極高的參數(shù)效率！

　　結(jié)果

　　對人類在RV分割方面的評估給如何對模型的表現(xiàn)進(jìn)行評估指明了方向。研究人員估計，人類完成RV分割任務(wù)的戴斯得分為0.90（0.10）。上面所述的已經(jīng)發(fā)布的模型是完全卷積網(wǎng)絡(luò)（FCN），測試集上的精度為0.84（0.21）。

　　我開發(fā)的模型在驗證集上已經(jīng)超過了最新的技術(shù)水平，并且正在接近人類的表現(xiàn)！然而，真正的評測是在測試集上評估模型的表現(xiàn)。此外，上面引用的數(shù)字是針對心內(nèi)膜的， 那么心外膜的表現(xiàn)如何呢？我在心外膜上訓(xùn)練了一個單獨的模型，并將細(xì)分輪廓提交給了組織者，希望能獲得最好的成績。

　　以下是結(jié)果，首先是心內(nèi)膜：

　　這個是心外膜：

　　擴(kuò)張u-net與心內(nèi)膜上的最新技術(shù)水平相當(dāng)，并超過它在心外膜上的表現(xiàn)。擴(kuò)張DenseNet緊跟其后，僅有190K個參數(shù)。

　　總結(jié)

　　深度學(xué)習(xí)模型的表現(xiàn)有時候看起來似乎很神奇，但這是精心設(shè)計的結(jié)果。即使數(shù)據(jù)集很小，精心挑選的數(shù)據(jù)增強(qiáng)方案也可以讓深度學(xué)習(xí)模型更好地一般化。

　　根據(jù)這些想法，創(chuàng)建出了最先進(jìn)的模型來分割心臟MRI中的右心室。我非常高興地看到了擴(kuò)張DenseNet能夠在其他圖像分割評測上成功運(yùn)行。

　　內(nèi)存高效的擴(kuò)張DenseNet：密集連接的網(wǎng)絡(luò)有一個很大的缺點，它需要占用大量的內(nèi)存。 而TensorFlow的實現(xiàn)卻與眾不同，它將我們限制在16GB GPU并且一個批次具有3個圖像的8個層上。如果切換到之前提出的記憶高效的實現(xiàn)上的話，就可以創(chuàng)建出更深層次的體系架構(gòu)來。