Preprocessing delle immagini e sensibilità degli ottimizzatori: implicazioni per le reti neurali convoluzionali nella diagnosi dei tumori cerebrali

Summary

Questo studio utilizza un quadro controllato per valutare pipeline di preprocessing e ottimizzatori all'interno di un'architettura fissa, con l'obiettivo di determinare come la preprocessing classica influenzi gli ottimizzatori e le Reti Neurali Convoluzionali (CNN) nella classificazione dei tumori cerebrali.

Abstract

La classificazione dei tumori cerebrali tramite risonanza magnetica (MRI) presenta delle sfide a causa delle variazioni nella dimensione, forma e consistenza del tumore. Sebbene i metodi tradizionali di pre-elaborazione delle immagini siano comunemente impiegati per migliorare la qualità degli input, il loro impatto sul comportamento degli ottimizzatori e sulle prestazioni CNN deve ancora essere approfondito. Questa ricerca esamina l'effetto del preprocessing sulla convergenza, generalizzazione e accuratezza della classificazione tra vari ottimizzatori. Utilizziamo un dataset Kaggle pubblicamente disponibile per creare due pipeline di preprocessing: una pipeline di base che ridimensiona solo le immagini e una pipeline tradizionale che converte le immagini in scala di grigi, le sfoca e applica il filtraggio morfologico. Testiamo quindi come queste pipeline influenzano tre ottimizzatori: Adam, Propagazione Quadratica Media Radice (RMSProp) e Discesa Gradiente Stocastica (SGD). Per separare le variabili del protocollo, viene utilizzata un'architettura CNN fissa in tutto il processo. Le prestazioni vengono valutate utilizzando accuratezza, precisione, richiamo e punteggio F1, validati tramite cinque validazioni incrociate. I risultati mostrano che la preprocessing di base produce costantemente maggiore accuratezza e una convergenza più stabile su tutti gli ottimizzatori, con RMSProp e SGD che raggiungono la massima accuratezza media del 99,53% sotto la validazione incrociata di cinque volte. I risultati affrontano l'effetto poco studiato del preprocessing sulle prestazioni degli ottimizzatori, sottolineando la necessità di strategie di addestramento consapevoli del preprocessing per migliorare la robustezza e l'interpretabilità nell'analisi delle immagini mediche.

Introduction

La classificazione dei tumori cerebrali tramite risonanza magnetica (MRI) è un compito cruciale in neuro-oncologia, dove una diagnosi precoce e accurata influenza direttamente la pianificazione del trattamento e gli esiti dei pazienti¹. Le CNN sono diventate l'approccio dominante per automatizzare questo processo grazie alla loro capacità di apprendere direttamente le caratteristiche gerarchiche spaziali e testurali dai dati grezzi^{delle immagini 2}. Tuttavia, la qualità dei dati di input rimane un fattore chiave che determina le prestazioni del modello. Le tecniche classiche di preprocessing - come la conversione in scala di grigi, la sfocatura gaussiana, la soglia e le operazioni morfologiche - sono regolarmente applicate per ridurre il rumore e sottolineare i confini ^{strutturali 3,4,5}. Gangadharan et al. hanno condotto un'analisi comparativa di modelli di deep learning per la previsione dei tumori cerebrali, evidenziando la variabilità delle prestazioni tra le architetture e l'importanza delle caratteristiche del dataset nella definizione degli^{esiti 6}. Qureshi et al. hanno proposto una CNN ultra-leggera per la rilevazione multi-classe di tumori, enfatizzando l'efficienza computazionale e l'applicabilità in tempo reale senza compromettere l'accuratezza^{diagnostica 7}. Andando oltre l'imaging strutturale, Qureshi et al. hanno esplorato la classificazione radiogenomica utilizzando caratteristiche multi-omiche fuse da scansioni RM multiparametriche per prevedere lo stato di metilazione del promotore della metilguanina-DNA metiltransferasi (MGMT), dimostrando il potenziale di modalità dati integrate per la profilazione tumorale^{non invasiva 8}. Nonostante la loro ubiquità, l'impatto a valle di queste trasformazioni sulle dinamiche di addestramento CNN, sul comportamento degli ottimizzatori e sull'interpretabilità rimane poco esplorato.

I recenti progressi nella classificazione dei tumori cerebrali si sono concentrati sulla complessità architettonica, sugli ibridi segmentazione-classificazione e sull'apprendimento tramite trasferimento. MultiFeNet, ad esempio, utilizza la fusione di caratteristiche multiscala per migliorare la rappresentazione^{spaziale 9}, mentre i modelli di ensemble e le CNN 3D offrono alta fedeltà a scapito di un overhead computazionale^{maggiore 10,11}. Studi recenti su metodi ibridi, come la trasformazione wavelet con Support Vector Machine (SVM) e il rilevamento dei bordi basato su automi cellulari, richiedono tipicamente funzionalità artigianali o elaborazione^{multi-stadio 12,13}. La ricerca comparativa su dataset squilibrati ha evidenziato le difficoltà nel raggiungere la generalizzazione a classe¹⁴. Gli approcci di transfer learning che utilizzano reti pre-addestrate, come VGG e ResNet, hanno mostrato potenzialità nella classificazione^{MRI 15, 16, 17}; tuttavia, spesso trattano la preelaborazione come un passaggio a monte fisso. Questi modelli raramente isolano come le trasformazioni di input influenzino la convergenza dell'ottimizzatore o la ritenzione semantica.

Studi consapevoli del preprocessing hanno iniziato a evidenziare questa lacuna. Ivanescu et al. hanno dimostrato che un filtraggio eccessivo può degradare la sensibilità della CNN a schemi tumorali^{sottili 3}. Vu et al. hanno dimostrato che la conversione e il ridimensionamento in scala di grigi possono scartare informazioni contestuali, influenzando così l'accuratezza^{diagnostica 4}. Hooper et al. hanno rivelato che il filtraggio a monte della Tomografia Computerizzata (CT) induce variabilità delle prestazioni, sottolineando la fragilità delle CNN rispetto agli spostamenti di dominio⁵. Kundu et al. hanno proposto trasformazioni di intensità basate su Gaussiana per migliorare la^{segmentazione 18}; tuttavia, non hanno valutato la sensibilità dell'ottimizzatore. Nel frattempo, Asiri et al. e Aamir et al. hanno ottimizzato gli iperparametri CNN per la rilevazione dei tumori^{cerebrali 16,17}, sottolineando le prestazioni superiori di Adam senza analizzare come risponde ai cambiamenti di preelaborazione. Strumenti di spiegabilità come la mappatura di attivazione delle classi ponderata per gradiente (Grad-CAM) e le SHapley Additives exPlanations (SHAP) hanno fatto avanzare la nostra comprensione del processo decisionale CNN visualizzando regioni discriminative per^{classe 19,20}. Questi metodi sono essenziali per verificare se il preprocessing migliori o distorca la ritenzione semantica.

Tuttavia, pochi studi hanno esaminato sistematicamente come il preprocessing influenzi la convergenza, la generalizzazione e l'interpretabilità degli ottimizzatori sotto un'architettura fissa - questioni sia clinicamente che computazionalmente significative. Clinicamente, un eccessivo levigamento o trasformazioni di intensità possono attenuare gradienti di texture e spaziali diagnosticamente rilevanti, riducendo la fedeltà di localizzazione e la fiducia dei clinici. Dal punto di vista computazionale, gli ottimizzatori reagiscono in modo diverso ai cambiamenti nella scala delle caratteristiche e nella varianza del gradiente; le discorrispondenze tra complessità di input e dinamica degli ottimizzatori possono produrre convergenza instabile o generalizzazioni più poveri.

Per affrontare questo problema, introduciamo un framework a doppio percorso che confronta sistematicamente le pipeline di preprocessing baseline (solo ridimensionamento) e tradizionali tra tre ottimizzatori — Adam, RMSProp e SGD — utilizzando un'architettura CNN coerente e il dataset BR35H Kaggle²¹. Valutiamo le prestazioni di classificazione, la velocità di convergenza e l'interpretabilità utilizzando Grad-CAM, validati tramite cinque validazioni incrociate. A differenza dei lavori precedenti che confondono cambiamenti architettonici e di preelaborazione, questo protocollo isola la preprocessing come variabile indipendente, rivelando che un filtraggio aggressivo può ostacolare le prestazioni dell'ottimizzatore e l'attenzione spaziale.

Il framework presentato qui offre diversi vantaggi rispetto ai modelli esistenti. Innanzitutto, valuta esplicitamente le interazioni tra strategie di preprocessing e ottimizzatori, una dimensione spesso trascurata negli studi sull'apprendimento di ensemble e^transfer 15,16,17. In secondo luogo, mantiene un'architettura CNN fissa, simulando così vincoli di implementazione reali dove la riconfigurazione è tipicamente^{impraticabile 22}. In terzo luogo, integra metodi di attribuzione visiva per valutare la ritenzione semantica, a complemento di lavori precedenti su studi radiomici e di caratteristiche^{artigianali 23}. Infine, il framework offre intuizioni riproducibili sulle strategie di addestramento consapevoli del preprocessing, migliorando così sia la robustezza che l'interpretabilità.

Sintetizzando intuizioni dai metodi di^{pre-elaborazione 3,4,5}, dagli studi ottimizzatori^16,17 e dagli strumenti di^{spiegabilità 19,20}, questo lavoro presenta una pipeline pratica e interpretabile per la classificazione dei tumori cerebrali che bilancia accuratezza, stabilità e rilevanza clinica.

Protocol

La Figura 1 mostra una panoramica del flusso di lavoro del protocollo. Questo studio esamina l'effetto della preelaborazione classica delle immagini sulle prestazioni delle CNN e sul comportamento degli ottimizzatori nella classificazione dei tumori cerebrali tramite la risonanza magnetica. Il protocollo comprende la preparazione del dataset, pipeline di preprocessing a doppio percorso, architettura del modello, configurazione degli ottimizzatori, valutazione delle prestazioni e validazione della interpretabilità. Tutti gli esperimenti sono stati eseguiti in Python 3.10.12 utilizzando Keras versione 2.13.1 con backend TensorFlow, OpenCV versione 4.8.0 e Matplotlib versione 3.8.0.

Preparazione del dataset
Il dataset BR35H per tumori cerebrali MRI di Kaggle²¹, composto da 3.000 immagini equamente suddivise in classi tumor-presente ("sì") e tumore assente ("no"), è stato utilizzato in questo studio. Tutte le immagini sono state ridimensionate a 128 × 128 pixel utilizzando la funzione cv2.resize di OpenCV per standardizzare le dimensioni di input tra gli esperimenti. Il campionamento stratificato con il train_test_split di Scikit-learn ha garantito una rappresentazione equilibrata tra il set di addestramento (80%) e il set di validazione (20%), mantenendo così la coerenza nella distribuzione delle classi in ogni fold.

Oltre al dataset pubblico BR35H, abbiamo validato questo protocollo utilizzando un dataset indipendente raccolto dall'Ultralytics Brain Tumor Dataset (https://docs.ultralytics.com/datasets/detect/brain-tumor/). Questo dataset consiste in un set di addestramento valido di 878 immagini e un set di test di 223 immagini, con due classi chiaramente definite: Negativa (immagini senza tumori cerebrali) e Positiva (immagini con tumori cerebrali). L'inclusione di questo dataset indipendente ci ha permesso di valutare ulteriormente la generalizzabilità e la robustezza del framework oltre i dati originali.

Pipeline di preprocessing
Sono state implementate due pipeline di preprocessing distinte per valutare l'impatto della preprocessing classica delle immagini. La pipeline di Preprocessing di Base (BP) ha semplicemente ridimensionato le immagini a 128 × 128 pixel senza ulteriori trasformazioni, preservando così l'intensità grezze dei pixel e le caratteristiche strutturali come condizione di controllo. La pipeline di Preprocessing Tradizionale (TP) applicava una sequenza di passaggi classici di elaborazione delle immagini utilizzando funzioni OpenCV: conversione in scala di grigi (cv2.cvtColor) per ridurre la dimensionalità del canale, sfocatura gaussiana (cv2. GaussianBlur) per sopprimere il rumore e aumentare il^{contrasto 24}, la soglia (cv2.threshold) per segmentare strutture ad alta^{intensità 25}, operazioni morfologiche (cv2.erode, cv2.dilate) per affinare i bordi e ridurre gli artefatti26, e il rilevamento dei contorni (cv2.findContours) per identificare le regioni di interesse. Questa pipeline migliorava il contrasto e riduceva il disordine visivo, anche se rischiava di sopprimere la texture diagnosticamente rilevante.

Architettura del modello
È stata implementata una CNN personalizzata che è stata mantenuta costante in tutti gli esperimenti per isolare gli effetti della preprocessing e della scelta dell'ottimizzatore. L'architettura consisteva in uno strato di input (128 × 128 × 1), tre strati convoluzionali (il primo con 32 filtri e i due successivi con 64 filtri, tutti utilizzando 2 × 2 kernel e attivazione Rettificata Linear Unit (ReLU), ciascuno seguito da 2 × 2 max pooling. L'uscita veniva appiattita e passata attraverso uno strato denso di 128 unità con attivazione ReLU, seguita da uno strato di dropout (tasso = 0,5) e infine da una singola unità sigmoid per la classificazione binaria. Questo design trova un equilibrio tra interpretabilità ed efficienza computazionale, rendendolo adatto per hardware clinico con risorse limitate.

Configurazione dell'ottimizzatore
Tre ottimizzatori sono stati valutati con iperparametri fissi: Adam (tasso di apprendimento = 0,001, β₁ = 0,9, β₂ = 0,999, epsilon = 1e−07), RMSProp (tasso di apprendimento = 0,001, rho = 0,9, epsilon = 1e−07) e SGD (tasso di apprendimento = 0,005, momento = 0,9, Nesterov disabilitato). I parametri di addestramento sono stati mantenuti costanti tra gli esperimenti, con una dimensione di lotto di 32, 50 epoche e una fermata anticipata (pazienza = 10) implementata tramite callback Keras per prevenire il sovrafitting.

Valutazione delle prestazioni
Le prestazioni sono state valutate utilizzando accuratezza, precisione, richiamo e punteggio F1, calcolati con il classification_report di Scikit-learn. Le curve di perdita di addestramento e validazione sono state tracciate con Matplotlib per valutare la velocità di convergenza e rilevare l'overfitting. I risultati sono stati tabulati e visualizzati per confrontare la sensibilità dell'ottimizzatore in diverse condizioni di pre-elaborazione.

Validazione dell'interpretabilità
L'interpretabilità è stata validata utilizzando visualizzazioni Grad-CAM generate dal livello convoluzionale finale. Le heatmap venivano generate usando le funzioni Keras e TensorFlow e poi sovrapposte alle immagini MRI originali usando Matplotlib. Questo passo ha garantito che l'attenzione spaziale della CNN fosse allineata con le regioni tumorali clinicamente rilevanti, sostenendo così trasparenza e fiducia diagnostica.

Results

Adam optimizer - Preprocessing baseline:
La Figura 2 illustra le prestazioni di un modello di classificazione dei tumori cerebrali utilizzando l'ottimizzatore Adam con preprocessing di base. La matrice di confusione mostra una separazione quasi perfetta tra casi tumorali e non tumorali, con solo 8 classificazioni errate su 600 campioni. Il rapporto di classificazione allegato conferma questo con precisione, richiamo e punteggi F1, tutti ...

Discussion

Il successo della classificazione dei tumori cerebrali basata su CNN in questo studio è stato principalmente determinato da due componenti del protocollo: la progettazione del preprocessing e la selezione dell'ottimizzatore. La pre-elaborazione di base — costituita esclusivamente dal ridimensionamento dell'immagine — preservava l'intensità nativa dei pixel e la struttura spaziale, permettendo al modello di apprendere caratteristiche clinicamente rilevanti. Al contrario, i metodi tradizio...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
API Wrapper	Keras	2.13.1(RRID:SCR_016345)	API di alto livello per architettura CNN e formazione
Strumento di attribuzione	Implementazione Grad-CAM	Personalizzazione (tramite Keras)	Spiegazione visiva dell'attenzione della CNN
Dataset BR35H per tumori cerebrali per la risonanza magnetica	Kaggle	https://www.kaggle.com/ahmedhamada0/brain-tumor-detection	Fonte delle immagini MRI etichettate per classificazione
Dataset sui tumori cerebrali	Ultralitica	https://docs.ultralytics.com/datasets/detect/brain-tumor/
Biblioteca di Deep Learning	TensorFlow	2.15.0 (RRID:SCR_018345)	Backend per l'implementazione del modello CNN
Elaborazione delle immagini	OpenCV	4.8.0 (RRID:SCR_015526)	Preelaborazione: scala di grigi, sfocatura, soglia, morfologia
Linguaggio di programmazione	Python	3.10.12 (RRID:SCR_008394)	Ambiente di esecuzione per tutti gli esperimenti
Visualizzazione	Matplotlib	3.8.0 (RRID:SCR_008624)	Tracciare curve di perdita e sovrapposizioni Grad-CAM