Предобработка изображений и чувствительность оптимизаторов: значение для сверточных нейронных сетей при диагностике опухолей мозга

Summary

В данном исследовании используется контролируемая структура для оценки конвейеров и оптимизаторов предобработки в рамках фиксированной архитектуры, с целью определить, как классическая предобработка влияет на оптимизаторов и сверточные нейронные сети (CNN) в классификации опухолей мозга.

Abstract

Классификация опухолей мозга с помощью магнитно-резонансной томографии (МРТ) представляет собой сложности из-за различий в размерах, форме и текстуре опухоли. Хотя традиционные методы предварительной обработки изображений часто используются для улучшения качества входа, их влияние на поведение оптимизаторов и производительность CNN пока не изучено тщательно. В данном исследовании рассматривается влияние предварительной обработки на сходимость, обобщение и точность классификации различных оптимизаторов. Мы используем общедоступный набор данных Kaggle для создания двух конвейеров предварительной обработки: базового конвейера, который меняет размер только изображений, и традиционного, который преобразует изображения в оттенки серого, размывает их и применяет морфологическую фильтрацию. Затем мы проверяем, как эти конвейеры влияют на три оптимизатора: Адама, Root Average Square Propagation (RMSProp) и стохастический градиентный спуск (SGD). Для разделения протокольных переменных используется фиксированная архитектура CNN. Результаты оцениваются с помощью точности, точности, воспоминания и оценки F1, валидируемых пятикратной перекрёстной валидацией. Результаты показывают, что базовая предобработка стабильно обеспечивает более высокую точность и более стабильную сходимость среди всех оптимизаторов, при этом RMSProp и SGD достигают самой высокой средней точности 99,53% при пятикратной перекрёстной валидации. Результаты рассматривают недостаточно изученное влияние предобработки на производительность оптимизаторов, подчёркивая необходимость стратегий обучения, ориентированных на предобработку, для повышения надёжности и интерпретируемости в анализе медицинских изображений.

Introduction

Классификация опухолей мозга с помощью магнитно-резонансной томографии (МРТ) является ключевой задачей в нейроонкологии, где ранняя и точная диагностика напрямую влияют на планирование лечения и исходы для^{пациентов 1}. CNN стали доминирующим подходом для автоматизации этого процесса благодаря своей способности изучать иерархические пространственные и текстурные особенности непосредственно на основе исходных данных^{изображений 2}. Тем не менее, качество входных данных остаётся ключевым фактором производительности модели. Классические методы предварительной обработки — такие как преобразование в оттенках серого, гауссовское размытие, пороговое определение и морфологические операции — регулярно применяются для снижения шума и акцентирования структурных границ ^3,4,5. Гангадхаран и др. провели сравнительный анализ моделей глубокого обучения для прогнозирования опухолей мозга, подчеркнув вариабельность производительности между архитектурами и важность характеристик наборов данных для формирования^{результатов 6}. Куреши и др. предложили ультралёгкую CNN для многоклассового обнаружения опухолей, делая акцент на вычислительной эффективности и применимости в реальном времени без ущерба точности^{диагностики 7}. Выходя за рамки структурной визуализации, Куреши и др. исследовали радиогеномную классификацию с использованием объединённых мультиомических признаков многопараметрических МРТ для прогнозирования статуса промотора метилтрансферазы метилгуанина и ДНК (MGMT), демонстрируя потенциал интегрированных методов данных для неинвазивного профилирования^{опухолей 8}. Несмотря на их повсеместность, дальнейшее влияние этих трансформаций на динамику обучения CNN, поведение оптимизаторов и интерпретируемость остаётся недостаточно изученным.

Недавние достижения в классификации опухолей мозга сосредоточены на архитектурной сложности, гибридах сегментации и классификации и трансферном обучении. MultiFeNet, например, использует многомасштабное объединение признаков для улучшения пространственного^{представления 9}, тогда как ансамблевые модели и 3D-CNN обеспечивают высокую точность за счёт увеличения вычислительных накладных^{расходов 10,11}. Недавние исследования гибридных методов, таких как вейвлет-преобразование с помощью Support Vector Machine (SVM) и обнаружение краёв на основе клеточных автоматов, обычно требуют ручной работы или многоступенчатую обработку^12,13. Сравнительные исследования несбалансированных наборов данных выявили сложности достижения классовых^{обобщений 14}. Методы трансферного обучения с использованием предварительно обученных сетей, таких как VGG и ResNet, показали перспективы в классификации^МРТ 15,16,17; однако они часто рассматривают предварительную обработку как фиксированный этап вверх по потоку. Эти модели редко вылучают, как входные преобразования влияют на сходимость оптимизатора или семантического удержания.

Исследования, учитывающие предобработку, начали выявлять этот разрыв. Иванеску и др. показали, что чрезмерная фильтрация может снижать чувствительность CNN к тонким опухолям³. Ву и др. показали, что преобразование и изменение размера в оттенках серого могут отбрасывать контекстную информацию, что влияет на точность^{диагностики 4}. Хупер и соавторы выяснили, что фильтрация компьютерной томографии (КТ) в восходящей области индуцирует вариабельность производительности, что подчёркивает хрупкость CNN к доменным^{сдвигам 5}. Кунду и др. предложили гауссовские преобразования интенсивности для улучшения^{сегментации 18}; однако они не оценивали чувствительность оптимизатора. Тем временем Асири и др. и Аамир и др. оптимизировали гиперпараметры CNN для обнаружения опухолей^{мозга 16,17}, отмечая превосходящие результаты Адама без анализа его реакции на изменения предварительной обработки. Инструменты объяснимости, такие как отображение активации классов с градиентным взвешенным уровнем (Grad-CAM) и SHapley Additive exPlanations (SHAP), продвинули наше понимание принятия решений CNN, визуализируя классово-дискриминирующие области^19,20. Эти методы необходимы для проверки того, улучшает ли предобработка или искажает семантическое удержание.

Однако немногие исследования систематически изучали, как предобработка влияет на сходимость оптимизаторов, обобщение и интерпретируемость при фиксированной архитектуре — вопросы, которые имеют как клиническую, так и вычислительную значимость. Клинически чрезмерное сглаживание или преобразования интенсивности могут ослабить диагностически значимые текстуры и пространственные градиенты, снижая точность локализации и доверие к клиницистам. С вычислительной точки зрения оптимизаторы по-разному реагируют на изменения масштаба признаков и градиентной дисперсии; Несоответствия между сложностью входных данных и динамикой оптимизаторов могут привести к нестабильной сходимости или худшему обобщению.

Для решения этой проблемы мы вводим двухпутную структуру, которая систематически сравнивает базовые (только с изменением размера) и традиционные конвейеры предобработки между тремя оптимизаторами — Adam, RMSProp и SGD — используя согласованную архитектуру CNN и набор данных BR35H^{Kaggle 21}. Мы оцениваем эффективность классификации, скорость сходимости и интерпретируемость с помощью Grad-CAM, валидируемого через пятикратную кросс-валидацию. В отличие от предыдущих работ, смешивающих архитектурные и предобработочные изменения, этот протокол изолирует предобработку как независимую переменную, показывая, что агрессивная фильтрация может затруднять работу оптимизатора и пространственного внимания.

Представленная здесь структура предлагает несколько преимуществ по сравнению с существующими моделями. Во-первых, он явно оценивает взаимодействие между стратегиями предварительной обработки и оптимизаторами — измерение, часто упускаемое из виду в исследованиях ансамблевого и трансферного^{обучения} 15,16,17. Во-вторых, он поддерживает фиксированную архитектуру CNN, что имитирует реальные ограничения развертывания, где перенастройка обычно^{непрактична.} В-третьих, он интегрирует методы визуальной атрибуции для оценки семантического удержания, дополняя предыдущие работы по радиомическим и ручным исследованиям^{признаков 23}. Наконец, фреймворк предлагает воспроизводимые представления о стратегиях обучения, ориентированных на предобработку, что повышает как устойчивость, так и интерпретируемость.

Синтезируя данные из методов предварительной^{обработки 3,4,5}, оптимизирующих^{исследований 16,17} и инструментов^{объяснимости 19,20}, эта работа представляет практический и интерпретируемый конвейер классификации опухолей мозга, балансирующий точность, стабильность и клиническую значимость.

Protocol

На рисунке 1 представлен обзор рабочего процесса протокола. В данном исследовании рассматривается влияние классической предварительной обработки изображений на работу CNN и поведение оптимизаторов при классификации опухолей мозга с помощью МРТ. Протокол включает подготовку наборов данных, конвейеры предварительной обработки с двумя путями, архитектуру модели, конфигурацию оптимизаторов, оценку производительности и проверку интерпретируемости. Все эксперименты проводились на Python 3.10.12 с использованием версии Keras 2.13.1 с бэкендом TensorFlow, OpenCV версии 4.8.0 и Matplotlib версии 3.8.0.

Подготовка наборов данных
В этом исследовании использовался набор данных BR35H по МРТ опухолей мозга из^{Kaggle 21}, состоящий из 3000 изображений, поровну разделённых на классы с опухолями ("да") и отсутствующие опухоли ("нет"). Все изображения были изменены до 128 × 128 пикселей с помощью функции cv2.resize OpenCV для стандартизации входных размеров в экспериментах. Стратифицированная выборка с помощью train_test_split Scikit-learn обеспечивала сбалансированное представление между обучающим набором (80%) и валидационным набором (20%), тем самым сохраняя согласованность распределения классов по каждой сгибательной системе.

В дополнение к публичному набору данных BR35H, мы проверили этот протокол с помощью независимого набора данных, собранных из Ultralytics Brain Tumor Dataset (https://docs.ultralytics.com/datasets/detect/brain-tumor/). Этот набор данных состоит из действительного обучающего набора из 878 изображений и тестового набора из 223 изображений, с двумя чётко определёнными классами: Негативные (изображения без опухолей мозга) и Положительные (изображения с опухолями мозга). Включение этого независимого набора данных позволило нам дополнительно оценить обобщимость и надёжность фреймворка за пределами исходных данных.

Конвейеры предварительной обработки
Были реализованы два отдельных конвейера предварительной обработки для оценки влияния классической обработки изображений. Конвейер базовой предварительной обработки (BP) просто изменял размер изображений до 128 × 128 пикселей без дальнейших преобразований, сохраняя тем самым интенсивность исходного пикселя и структурные особенности как контрольное условие. Конвейер традиционной предварительной обработки (TP) применял последовательность классических этапов обработки изображений с использованием функций OpenCV: преобразование в оттенках серого (cv2.cvtColor) для уменьшения размерности канала, гауссово размытие (cv2). GaussianBlur) для подавления шума и усиления^{контраста 24}, порогов (cv2.threshold) для сегментации высокоинтенсивных структур²⁵, морфологические операции (cv2.erode, cv2.dilate) для уточнения краёв и уменьшения артефактов26, а также обнаружение контуров (cv2.findContours) для выявления интересующих областей. Этот конвейер повышал контраст и уменьшал визуальный беспорядок, хотя рисковал подавлять диагностически значимую текстуру.

Архитектура модели
Был реализован индивидуальный CNN, который оставался постоянным во всех экспериментах, чтобы выделить эффекты предобработки и выбора оптимизатора. Архитектура состояла из входного слоя (128 × 128 × 1), трёх сверточных слоёв (первый с 32 фильтрами, а следующие два — с 64 фильтрами, все с 2 × 2 ядрами и активацией Rectified Linear Unit (ReLU), каждое из которых следовало 2 × 2 максимального пула. Выход выравнивался и проходил через плотный слой из 128 единиц с активацией ReLU, затем слой dropout (скорость = 0,5), и, наконец, один сигмовидный блок для бинарной классификации. Эта конструкция обеспечивает баланс между интерпретируемостью и вычислительной эффективностью, что делает её подходящей для клинического оборудования с ограниченными ресурсами.

Конфигурация оптимизатора
Три оптимизатора оценивались с фиксированными гиперпараметрами: Адам (скорость обучения = 0,001, β₁ = 0,9, β₂ = 0,999, эпсилон = 1e−07), RMSProp (скорость обучения = 0,001, rho = 0,9, эпсилон = 1e−07) и SGD (скорость обучения = 0,005, импульс = 0,9, Нестеров отключён). Параметры обучения оставались постоянными в экспериментах: размер партии составлял 32, 50 эпох, а ранняя остановка (терпение = 10) реализовывалась с помощью обратных вызовов Keras для предотвращения перенагона.

Оценка эффективности
Производительность оценивалась с помощью точности, точности, воспоминания и результата F1, рассчитанных с помощью classification_report Scikit-learn. Кривые обучающих и валидационных потерь были построены с помощью Matplotlib для оценки скорости сходимости и обнаружения перенагона. Результаты были зафиксированы и визуализированы для сравнения чувствительности оптимизатора при различных условиях предварительной обработки.

Валидация интерпретируемости
Интерпретируемость верифицировалась с помощью визуализаций Grad-CAM, сгенерированных на последнем сверточном слое. Тепловые карты генерировались с помощью функций Keras и TensorFlow, а затем накладывались на исходные изображения МРТ с помощью Matplotlib. Этот шаг обеспечил согласование пространственного внимания CNN с клинически значимыми областями опухоли, тем самым поддерживая прозрачность и диагностическое доверие.

Results

Оптимизатор Adam — базовая предобработка:
Рисунок 2 иллюстрирует производительность модели классификации опухолей мозга с использованием оптимизатора Адама с базовой предварительной обработкой. Матрица путаницы показывает почти идеальное разделение между опухолями и неопухолевыми случаями, с лишь 8 ошибками из 600 образцов. Сопроводимый отчёт по классификации подтверждает это точностью, отзывом и результатами F1, все они достигают 0,98 и...

Discussion

Успех классификации опухолей мозга на основе CNN в этом исследовании был в первую очередь обусловлен двумя компонентами протокола: проектированием предварительной обработки и выбором оптимизаторов. Базовая предобработка — состоящая исключительно из изменения размера изображения — сохраняла нативную интенсивность пикселей и пространственную структуру, позволяя модели изучать клинически значимые признаки. В отличие от этого, традиционные методы предварительной обработки (такие как преобраз...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Обёртка API	Керас	2.13.1 (RRID:SCR_016345)	Высокоуровневый API для архитектуры и обучения CNN
Инструмент атрибуции	Реализация Grad-CAM	Custom (через Keras)	Визуальное объяснение внимания CNN
Набор данных BR35H по опухолям мозга МРТ	Каггл	https://www.kaggle.com/ahmedhamada0/brain-tumor-detection	Источник маркированных МРТ-изображений для классификации
Набор данных по опухолям мозга	Ultralytics	https://docs.ultralytics.com/datasets/detect/brain-tumor/
Библиотека глубокого обучения	TensorFlow	2.15.0 (RRID:SCR_018345)	Бэкенд для реализации модели CNN
Обработка изображений	OpenCV	4.8.0 (RRID:SCR_015526)	Предварительная обработка: оттенки серого, размытие, порог, морфология
Язык программирования	Python	3.10.12 (RRID:SCR_008394)	Среда выполнения всех экспериментов
Визуализация	Matplotlib	3.8.0 (RRID:SCR_008624)	Построение кривых потерь и наложений Grad-CAM