Bildvorverarbeitung und Sensitivität des Optimierers: Auswirkungen auf konvolutionelle neuronale Netzwerke bei der Diagnose von Hirntumoren

Summary

Diese Studie verwendet ein kontrolliertes Framework, um Preprocessing-Pipelines und Optimierer innerhalb einer festen Architektur zu bewerten, mit dem Ziel, zu bestimmen, wie klassische Preprocessing Optimierer und Convolutional Neural Networks (CNNs) bei der Klassifikation von Gehirntumoren beeinflusst.

Abstract

Die Klassifikation von Gehirntumoren mittels Magnetresonanztomographie (MRT) stellt aufgrund von Variationen in Tumorgröße, Form und -struktur Herausforderungen dar. Obwohl traditionelle Bildvorverarbeitungsmethoden häufig zur Verbesserung der Eingabequalität eingesetzt werden, sind deren Auswirkungen auf das Optimierverhalten und die CNN-Leistung noch nicht umfassend untersucht worden. Diese Forschung untersucht die Auswirkungen von Vorverarbeitung auf Konvergenz, Verallgemeinerung und Klassifikationsgenauigkeit über verschiedene Optimierer hinweg. Wir nutzen einen öffentlich verfügbaren Kaggle-Datensatz, um zwei Preprocessing-Pipelines zu erstellen: eine Baseline-Pipeline, die nur Bilder in die Größe anpasst, und eine traditionelle Pipeline, die Bilder in Graustufen umwandelt, sie verschärft und morphologische Filterung anwendet. Anschließend testen wir, wie diese Pipelines drei Optimierer beeinflussen: Adam, Root Mean Square Propagation (RMSProp) und Stochastic Gradient Descent (SGD). Um Protokollvariablen zu trennen, wird durchgehend eine feste CNN-Architektur verwendet. Die Leistung wird anhand von Genauigkeit, Präzision, Rückruf und F1-Wert bewertet, die durch fünffache Kreuzvalidierung validiert werden. Die Ergebnisse zeigen, dass die Baseline-Vorverarbeitung konstant eine höhere Genauigkeit und stabilere Konvergenz über alle Optimierer hinweg erzielt, wobei RMSProp und SGD die höchste mittlere Genauigkeit von 99,53 % unter fünffacher Kreuzvalidierung erreichen. Die Ergebnisse befassen sich mit dem wenig untersuchten Effekt der Vorverarbeitung auf die Leistung der Optimierer und betonen die Notwendigkeit von vorverarbeitungsbewussten Trainingsstrategien zur Verbesserung der Robustheit und Interpretierbarkeit in der medizinischen Bildanalyse.

Introduction

Die Klassifikation von Gehirntumoren mittels Magnetresonanztomographie (MRT) ist eine entscheidende Aufgabe in der Neuroonkologie, bei der eine frühzeitige und genaue Diagnose direkt die Behandlungsplanung und die Patientenergebnisse beeinflusst¹. CNNs sind zum dominierenden Ansatz zur Automatisierung dieses Prozesses geworden, da sie hierarchische räumliche und texturale Merkmale direkt aus Rohbilddaten^{lernen können}. Die Qualität der Eingabedaten bleibt jedoch ein entscheidender Faktor für die Modellleistung. Klassische Vorverarbeitungstechniken – wie Graustufenumwandlung, Gaußsches Unschärfen, Schwellenwerte und morphologische Operationen – werden routinemäßig angewandt, um Rauschen zu reduzieren und strukturelle Grenzen ^3,4,5 zu betonen. Gangadharan et al. führten eine vergleichende Analyse von Deep-Learning-Modellen zur Vorhersage von Gehirntumoren durch und hoben die Leistungsvariabilität zwischen den Architekturen sowie die Bedeutung von Datensatzmerkmalen bei der Gestaltung der Ergebnisse^{hervor 6}. Qureshi et al. schlugen ein ultraleichtes CNN für die Erkennung von Tumoren in mehreren Klassen vor, wobei Recheneffizienz und Echtzeit-Anwendbarkeit betont werden, ohne die diagnostische Genauigkeit^{zu beeinträchtigen 7}. Qureshi et al. erforschten über die strukturelle Bildgebung hinaus die radiogenomische Klassifikation mithilfe fusionierter Multi-Omics-Merkmale aus multiparametrischen MRT-Scans, um den Methylguanin-DNA-Methyltransferase-Methyltransferase-Promotor-Methyltransferase-Status (MGMT) vorherzusagen, was das Potenzial integrierter Datenmodalitäten für nicht-invasives Tumorprofiling^{demonstrierte}. Trotz ihrer Allgegenwart bleiben die nachgelagerten Auswirkungen dieser Transformationen auf CNN-Trainingsdynamik, Optimiererverhalten und Interpretierbarkeit noch wenig erforscht.

Jüngste Fortschritte in der Klassifikation von Gehirntumoren konzentrieren sich auf architektonische Komplexität, Segmentierungs-Klassifikationshybride und Transfer Learning. MultiFeNet beispielsweise verwendet Multi-Scale-Feature-Fusion, um die räumliche Darstellung⁹ zu verbessern, während Ensemblemodelle und 3D-CNNs hohe Genauigkeit bieten – allerdings auf Kosten eines erhöhten Rechenaufwand^10,11. Jüngste Studien zu hybriden Methoden, wie Wavelet-Transformation mit Support Vector Machine (SVM) und zellulärer Automaten-basierter Kantenerkennung, erfordern typischerweise handgefertigte Funktionen oder mehrstufige Verarbeitung^12,13. Vergleichende Forschung zu unausgeglichenen Datensätzen hat die Herausforderungen bei der Erreichen einer klassenweiten Generalisierung¹⁴ hervorgehoben. Transfer-Learning-Ansätze mit vortrainierten Netzwerken wie VGG und ResNet haben in der MRT-Klassifikation 15,16,17 vielversprechende Ergebnisse gezeigt; allerdings behandeln sie die Vorverarbeitung oft als einen festen vorgelagerten Schritt. Diese Modelle isolieren selten, wie Eingabetransformationen die Konvergenz des Optimierers oder der semantischen Retention beeinflussen.

Vorverarbeitungsbewusste Studien haben begonnen, diese Lücke aufzuzeigen. Ivanescu et al. zeigten, dass übermäßiges Filtern die CNN-Empfindlichkeit gegenüber subtilen Tumormustern beeinträchtigen^{kann 3}. Vu et al. zeigten, dass Graustufenumwandlung und Größenänderung kontextuelle Informationen verwerfen können und damit die diagnostische Genauigkeit beeinträchtigen⁴. Hooper et al. zeigten, dass die Upstream-Computertomographie (CT)-Filterung Leistungsvariabilität induziert, was die Fragilität von CNNs gegenüber Domänenverschiebungen⁵ unterstreicht. Kundu et al. schlugen Gauß-basierte Intensitätstransformationen zur Verbesserung der Segmentierung^{vor 18}; sie bewerteten jedoch nicht die Empfindlichkeit des Optimierers. Unterdessen optimierten Asiri et al. und Aamir et al. CNN-Hyperparameter für die Erkennung von Gehirntumoren^16,17 und stellten Adams überlegene Leistung fest, ohne zu analysieren, wie es auf Vorverarbeitungsänderungen reagiert. Erklärbarkeitswerkzeuge wie Gradient-weighted Class Activation Mapping (Grad-CAM) und SHapley Additive Explanations (SHAP) haben unser Verständnis der CNN-Entscheidungsfindung erweitert, indem sie klassendiskriminierende Regionen^{visualisieren 19,20}. Diese Methoden sind unerlässlich, um zu validieren, ob die Vorverarbeitung die semantische Retention verbessert oder verzerrt.

Allerdings haben nur wenige Studien systematisch untersucht, wie Preprocessing die Konvergenz, Verallgemeinerung und Interpretierbarkeit der Optimierer unter einer festen Architektur beeinflusst – Aspekte, die sowohl klinisch als auch rechnerisch bedeutsam sind. Klinisch können übermäßige Glättungs- oder Intensitätstransformationen diagnostisch relevante Textur- und räumliche Gradienten abschwächen, wodurch die Lokalisierungstreue und das Vertrauen der Kliniker verringert werden. Berechnungstechnisch reagieren Optimierer unterschiedlich auf Änderungen im Merkmalsmaßstab und in der Gradientenvarianz; Diskrepanzen zwischen Eingabekomplexität und Optimiererdynamik können zu instabiler Konvergenz oder schlechterer Verallgemeinerung führen.

Um dem entgegenzuwirken, führen wir ein Dual-Path-Framework ein, das systematisch Baseline- (nur Resize-) und traditionelle Preprocessing-Pipelines zwischen drei Optimierern – Adam, RMSProp und SGD – unter Verwendung einer konsistenten CNN-Architektur und dem BR35H Kaggle-Datensatz²¹ vergleicht. Wir bewerten Klassifikationsleistung, Konvergenzgeschwindigkeit und Interpretierbarkeit mit Grad-CAM, das durch fünffache Kreuzvalidierung validiert wird. Im Gegensatz zu früheren Arbeiten, die architektonische und Vorverarbeitungsänderungen vermischen, isoliert dieses Protokoll die Vorverarbeitung als unabhängige Variable, was zeigt, dass aggressives Filtern die Leistung des Optimierers und die räumliche Aufmerksamkeit beeinträchtigen kann.

Das hier vorgestellte Rahmenwerk bietet gegenüber bestehenden Modellen mehrere Vorteile. Erstens bewertet es explizit die Wechselwirkungen zwischen Preprocessing-Strategien und Optimierern, eine Dimension, die in Ensemble- und Transfer-Learning-Studien oft übersehen^wird 15,16,17. Zweitens hält sie eine feste CNN-Architektur aufrecht, wodurch reale Bereitstellungsbeschränkungen simuliert werden, bei denen eine Umkonfiguration typischerweise^{unpraktisch ist}. Drittens integriert es visuelle Attributionsmethoden zur Bewertung der semantischen Retention und ergänzt damit frühere Arbeiten zu radiomischen und handgefertigten Merkmalsstudien²³. Schließlich bietet das Framework reproduzierbare Einblicke in vorverarbeitungsbewusste Trainingsstrategien und verbessert so sowohl Robustheit als auch Interpretierbarkeit.

Durch die Synthese von Erkenntnissen aus den Vorverarbeitungsmethoden ^3,4,5, Optimiererstudien^16,17 und Erklärbarkeitswerkzeugen^19,20 präsentiert diese Arbeit eine praktische und interpretierbare Pipeline für die Klassifikation von Gehirntumoren, die Genauigkeit, Stabilität und klinische Relevanz in Einklang bringt.

Protocol

Abbildung 1 zeigt einen Überblick über den Protokoll-Workflow. Diese Studie untersucht die Auswirkungen der klassischen Bildvorverarbeitung auf die Leistung von CNNs und das Verhalten von Optimierern bei der Klassifikation von Gehirntumoren mittels MRT. Das Protokoll umfasst die Vorbereitung von Datensätzen, Dual-Path-Preprocessing-Pipelines, Modellarchitektur, Optimierungskonfiguration, Leistungsbewertung und Interpretierbarkeitsvalidierung. Alle Experimente wurden in Python 3.10.12 unter Verwendung von Keras Version 2.13.1 mit TensorFlow-Backend, OpenCV Version 4.8.0 und Matplotlib Version 3.8.0 durchgeführt.

Datensatzvorbereitung
Der BR35H-Hirntumor-MRT-Datensatz von Kaggle²¹, bestehend aus 3.000 Bildern, die gleichmäßig in tumorpräsent ("ja") und tumorabwesende ("nein") Klassen unterteilt sind, wurde in dieser Studie verwendet. Alle Bilder wurden mit der cv2.resize-Funktion von OpenCV auf 128 × 128 Pixel verkleinert, um die Eingabemaße zwischen den Experimenten zu standardisieren. Geschichtete Stichprobenauswertung mit Scikit-learns train_test_split gewährleistete eine ausgewogene Repräsentation über den Trainingssatz (80 %) und die Validierungsmenge (20 %), wodurch eine Konsistenz in der Klassenverteilung über jede Falte gewährleistet wurde.

Zusätzlich zum öffentlichen BR35H-Datensatz validierten wir dieses Protokoll mit einem unabhängigen Datensatz aus dem Ultralytics Brain Tumor Dataset (https://docs.ultralytics.com/datasets/detect/brain-tumor/). Dieser Datensatz besteht aus einem gültigen Trainingssatz von 878 Bildern und einem Testsatz von 223 Bildern, mit zwei klar definierten Klassen: Negativ (Bilder ohne Hirntumore) und Positiv (Bilder mit Hirntumoren). Die Einbeziehung dieses unabhängigen Datensatzes ermöglichte es uns, die Generalisierbarkeit und Robustheit des Frameworks über die ursprünglichen Quelldaten hinaus weiter zu bewerten.

Vorverarbeitungspipelines
Zwei verschiedene Vorverarbeitungs-Pipelines wurden implementiert, um die Auswirkungen der klassischen Bildvorverarbeitung zu bewerten. Die Baseline Preprocessing (BP)-Pipeline hat die Bilder einfach auf 128 × 128 Pixel verkleinert, ohne weitere Transformationen, wodurch die rohe Pixelintensität und strukturelle Merkmale als Kontrollbedingung erhalten bleiben. Die Traditionelle Vorverarbeitung (TP) Pipeline verwendete eine Abfolge klassischer Bildverarbeitungsschritte mit OpenCV-Funktionen: Graustufenumwandlung (cv2.cvtColor) zur Reduzierung der Kanaldimensionalität, Gaußsches Unschärfe (cv2. GaussianBlur) zur Unterdrückung von Rauschen und Erhöhung^{des Kontrasts 24}, Schwellenwertung (cv2.threshold) zum Segmentieren hochintensiver Strukturen²⁵, morphologische Operationen (cv2.erode, cv2.dilatation) zur Verfeinerung von Kanten und Reduzierung von Artefakten26 sowie Konturdetektion (cv2.findContours) zur Identifizierung von Interessengebieten. Diese Pipeline erhöhte den Kontrast und reduzierte visuelle Überlastung, drohte jedoch, diagnostisch relevante Textur zu unterdrücken.

Modellarchitektur
Ein benutzerdefiniertes CNN wurde implementiert und über alle Experimente hinweg konstant gehalten, um die Auswirkungen von Vorverarbeitung und Optimiererwahl zu isolieren. Die Architektur bestand aus einer Eingabeschicht (128 × 128 × 1), drei Faltungsschichten (die erste mit 32 Filtern und die nächsten zwei mit 64 Filtern, alle mit 2 × 2 Kerneln und Rectified Linear Unit (ReLU)-Aktivierung), jeweils gefolgt von 2 × maximal 2 Pooling. Der Ausgang wurde abgeflacht und durch eine dichte Schicht von 128 Einheiten mit ReLU-Aktivierung geleitet, gefolgt von einer Dropout-Schicht (Rate = 0,5) und schließlich einer einzelnen Sigmaid-Einheit zur binären Klassifikation. Dieses Design findet ein Gleichgewicht zwischen Interpretierbarkeit und Recheneffizienz und eignet sich somit für ressourcenbegrenzte klinische Hardware.

Optimierer-Konfiguration
Drei Optimierer wurden mit festen Hyperparametern ausgewertet: Adam (Lernrate = 0,001, β₁ = 0,9, β₂ = 0,999, Epsilon = 1e−07), RMSProp (Lernrate = 0,001, Rho = 0,9, Epsilon = 1e−07) und SGD (Lernrate = 0,005, Impuls = 0,9, Nesterov deaktiviert). Die Trainingsparameter wurden über die Experimente hinweg konstant gehalten, mit einer Batchgröße von 32, 50 Epochen und frühzeitigem Stoppen (Geduld = 10), die über Keras-Rückrufe implementiert wurden, um Überanpassungen zu verhindern.

Leistungsbewertung
Die Leistung wurde anhand von Genauigkeit, Präzision, Rückruf und F1-Wert bewertet, berechnet mit dem classification_report von Scikit-learn. Trainings- und Validierungsverlustkurven wurden mit Matplotlib aufgezeichnet, um die Konvergenzgeschwindigkeit zu bewerten und Überanpassungen zu erkennen. Die Ergebnisse wurden tabelliert und visualisiert, um die Empfindlichkeit des Optimierers unter verschiedenen Vorverarbeitungsbedingungen zu vergleichen.

Interpretierbarkeitsvalidierung
Die Interpretierbarkeit wurde mit Grad-CAM-Visualisierungen aus der finalen Faltungsschicht validiert. Heatmaps wurden mit Keras- und TensorFlow-Funktionen erstellt und anschließend mit Matplotlib auf die ursprünglichen MRT-Bilder gelegt. Dieser Schritt stellte sicher, dass die räumliche Aufmerksamkeit des CNN mit klinisch relevanten Tumorregionen übereinstimmte und so Transparenz und diagnostisches Vertrauen unterstützte.

Results

Adam-Optimierer – Basisvorverarbeitung:
Abbildung 2 veranschaulicht die Leistung eines Hirntumor-Klassifikationsmodells mit dem Adam-Optimierer mit Baseline-Vorverarbeitung. Die Verwirrungsmatrix zeigt eine nahezu perfekte Trennung zwischen tumorösen und nicht-tumorösen Fällen, mit nur 8 Fehlklassifikationen von 600 Proben. Der beigefügte Klassifikationsbericht bestätigt dies mit Präzision, Rückruf und F1-Werten, die für beide Klassen je...

Discussion

Der Erfolg der CNN-basierten Hirntumorklassifikation in dieser Studie wurde hauptsächlich durch zwei Protokollkomponenten angetrieben: Preprocessing-Design und Optimierer-Auswahl. Die Baseline-Vorverarbeitung – ausschließlich bestehend aus der Bildgrößenänderung – bewahrte die native Pixelintensität und die räumliche Struktur, sodass das Modell klinisch relevante Merkmale erlernen konnte. Im Gegensatz dazu führten traditionelle Vorverarbeitungsmethoden (wie Graustufenumwandlung, Gaußsche...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
API-Wrapper	Keras	2.13.1(RRID:SCR_016345)	High-Level-API für CNN-Architektur und Training
Attributionswerkzeug	Grad-CAM-Implementierung	Custom (über Keras)	Visuelle Erklärung der CNN-Aufmerksamkeit
BR35H Hirntumor-MRT-Datensatz	Kaggle	https://www.kaggle.com/ahmedhamada0/brain-tumor-detection	Quelle der markierten MRT-Bilder zur Klassifizierung
Brain Tumor Dataset	Ultralytika	https://docs.ultralytics.com/datasets/detect/brain-tumor/
Deep-Learning-Bibliothek	TensorFlow	2.15.0 (RRID:SCR_018345)	Backend für CNN-Modellimplementierung
Bildverarbeitung	OpenCV	4.8.0 (RRID:SCR_015526)	Vorverarbeitung: Graustufen, Unschärfe, Schwellenwert, Morphologie
Programmiersprache	Python	3.10.12 (RRID:SCR_008394)	Ausführungsumgebung für alle Experimente
Visualisierung	Matplotlib	3.8.0 (RRID:SCR_008624)	Darstellung von Verlustkurven und Grad-CAM-Überlagerungen