郭子昇，王吉芳

(北京信息科技大學(xué) 機(jī)電工程學(xué)院，北京 100192)

0 引言

骨骼疾病是人類五大常見(jiàn)疾病之一，困擾全球約15億人，競(jìng)技體育、交通事故等都可能致使骨骼損傷，易損傷部位包括肱骨、手骨、腿骨、肩骨等。伴隨“智慧骨科”概念的提出，基于人工智能和大數(shù)據(jù)技術(shù)的機(jī)器人輔助骨科疾病診療成為一種發(fā)展趨勢(shì)。對(duì)不同骨骼區(qū)域的診療首先需要對(duì)骨骼X光片進(jìn)行歸類，訓(xùn)練一種智能化骨骼區(qū)域X光片圖像分類器，可以減少人為操作誤差，大大加快歸類速度，也有助于提高骨骼疾病診療效果，為建立標(biāo)準(zhǔn)化診療奠定基礎(chǔ)。

在計(jì)算機(jī)視覺(jué)、圖像分類的研究中，已產(chǎn)生了一些基本模式，即從圖像特征的提取到分類器的選擇。傳統(tǒng)的經(jīng)典分類器有支持向量機(jī)(support vector machine，SVM)、高斯混合模型(Gaussian mixed model，GMM)、k鄰近(k-nearest neighbor，k-NN)等[1]。

Yann LeCun[2]1998年提出了卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)，基于CNN的分類器是仿照人類腦神經(jīng)網(wǎng)絡(luò)的感知機(jī)理訓(xùn)練而成的深度學(xué)習(xí)分類器。深度學(xué)習(xí)是在人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上發(fā)展起來(lái)的新技術(shù)[3]，其深度卷積網(wǎng)絡(luò)端對(duì)端的模型結(jié)構(gòu)直接關(guān)聯(lián)輸入與輸出信息，可有效降低操作難度并取得顯著效果[4]，為智能分類器的設(shè)計(jì)提供了基礎(chǔ)。Alex等提出的AlexNet網(wǎng)絡(luò)減少了全連接層的過(guò)擬合，實(shí)現(xiàn)了高效卷積運(yùn)算，但拓展性較差。牛津大學(xué)[5]提出VGGNet網(wǎng)絡(luò)，其具有降低錯(cuò)誤率、增強(qiáng)拓展性的優(yōu)勢(shì)，但網(wǎng)絡(luò)結(jié)構(gòu)較為固化，不易優(yōu)化。Szegedy C.等[6]提出模塊化的網(wǎng)絡(luò)結(jié)構(gòu)GoogLeNet，K.He 等[7]提出一種深度殘差網(wǎng)絡(luò)結(jié)構(gòu)ResNet，這些結(jié)構(gòu)易于修改和擴(kuò)展，在不加大計(jì)算量的同時(shí)提高了網(wǎng)絡(luò)性能。

在圖像識(shí)別、分類的應(yīng)用上，MobileNet 系列更具代表性，Howard等[8]設(shè)計(jì)了一種利用深度卷積構(gòu)造的輕量級(jí)網(wǎng)絡(luò)MobileNetV1，可以有效地在延遲和準(zhǔn)確性之間權(quán)衡；Sandler M等[9]提出MobileNetV2網(wǎng)絡(luò)，其引入倒殘差結(jié)構(gòu)，可適應(yīng)不同尺寸的圖像并在低精度計(jì)算下具有強(qiáng)魯棒性；之后Andrew Howard[10]等提出了MobileNetV3網(wǎng)絡(luò)，其增添了互補(bǔ)搜索技術(shù)組合，開(kāi)展網(wǎng)絡(luò)設(shè)計(jì)和自動(dòng)搜索算法在互補(bǔ)利用方面的研究，以提高整體技術(shù)水平并增強(qiáng)計(jì)算能力。

現(xiàn)有的圖像分類器在不同骨骼區(qū)域的智能化分類任務(wù)上面臨許多難點(diǎn)，如骨骼影像中各組織結(jié)構(gòu)之間分界線不清晰；骨骼影像分析比場(chǎng)景圖像更復(fù)雜，其復(fù)雜紋理、細(xì)粒度圖像識(shí)別等特征有別于自然圖像特征；由于同一骨骼區(qū)域的人體攝像位置、姿勢(shì)不同，導(dǎo)致骨骼成像形態(tài)各異等。針對(duì)骨骼影像的復(fù)雜情況，本文基于MobileV3 large網(wǎng)絡(luò)建立了一個(gè)智能化骨骼圖像分類器，首先對(duì)骨骼X光片進(jìn)行紋理增強(qiáng)處理，然后集成MobileNet系列歷代網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)勢(shì)，采用深度可分離卷積代替?zhèn)鹘y(tǒng)卷積形式，有效利用互補(bǔ)搜索技術(shù)組合，同時(shí)引入基于輕量級(jí)網(wǎng)絡(luò)的殘差結(jié)構(gòu)。所構(gòu)建的分類器對(duì)骨骼圖像紋理特征進(jìn)行逐層的深度學(xué)習(xí)，魯棒性強(qiáng)，泛化能力好；同時(shí)提高了網(wǎng)絡(luò)性能，降低了數(shù)據(jù)成本。在MURA數(shù)據(jù)集上的訓(xùn)練測(cè)試表明，該分類器能夠?qū)崿F(xiàn)對(duì)人體不同骨骼區(qū)域的快速識(shí)別和精準(zhǔn)分類。

1 骨骼圖像X光片分類器設(shè)計(jì)

文獻(xiàn)[10]對(duì)多種神經(jīng)網(wǎng)絡(luò)檢測(cè)模型及其準(zhǔn)確率進(jìn)行了對(duì)比分析，由其可知MobileNetV3的分類性能最優(yōu)。MobileNetV3 large作為MobileNetV3的最新版改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，其參數(shù)量更小，故本文將MobileNetV3 large網(wǎng)絡(luò)應(yīng)用至骨骼區(qū)域分類中。

1.1 紋理增強(qiáng)融合輕量級(jí)注意力機(jī)制

針對(duì)骨骼X光片具有復(fù)雜紋理、細(xì)粒度圖像識(shí)別等特征、各組織結(jié)構(gòu)之間分界線不清晰等問(wèn)題，為增強(qiáng)數(shù)據(jù)集質(zhì)量，對(duì)其進(jìn)行局部二值模式(local binary pattern，LBP)旋轉(zhuǎn)不變紋理增強(qiáng)處理，然后充分利用MobileNetV3 large中輕量級(jí)注意力機(jī)制(efficient attention module，EAM)的優(yōu)點(diǎn)，使網(wǎng)絡(luò)對(duì)圖像的增強(qiáng)區(qū)域紋理特征識(shí)別更富有針對(duì)性，促使紋理增強(qiáng)特征被EAM進(jìn)一步深度聚焦，并縮減圖片像素值，使訓(xùn)練、預(yù)測(cè)速度加快，本文應(yīng)用兩種LBP算子對(duì)骨骼影像集進(jìn)行紋理增強(qiáng)。

圓形LBP算子為

(1)

旋轉(zhuǎn)不變LBP算子為

(2)

式中：p為圓形域P個(gè)采樣點(diǎn)中第p個(gè)采樣點(diǎn)；i(c)為中心像素灰度值；i(p)為圓形邊界像素的第p個(gè)灰度值。

為了使分類器性能和輸入數(shù)據(jù)的復(fù)雜度之間取得平衡，配合紋理增強(qiáng)引入EAM可以調(diào)整每個(gè)通道的權(quán)重，可使網(wǎng)絡(luò)在復(fù)雜度不變的情況下性能有較大的提升[11]。

1.2 深度可分離卷積結(jié)構(gòu)

MobileNet網(wǎng)絡(luò)訓(xùn)練速度快，為了減少網(wǎng)絡(luò)參數(shù)，采用深度可分離卷積結(jié)構(gòu)(depthwise separable convolution，Dwise Conv)，如圖1所示。

圖1 深度可分離卷積結(jié)構(gòu)

Dwise Conv為分層卷積，在其之后都會(huì)接一個(gè)1×1的卷積進(jìn)行通道處理，同時(shí)設(shè)置一平均池化層為全連接層。將一個(gè)完整的卷積運(yùn)算分解為深度切除卷積過(guò)濾與逐點(diǎn)卷積過(guò)濾兩步進(jìn)行。結(jié)構(gòu)所需參數(shù)為：16(輸入通道數(shù))×1×1(卷積核大小)×32(輸出通道數(shù))+16(輸入通道數(shù))×3×3(內(nèi)核大小)=656個(gè)。

1.3 MobileNetV3 large網(wǎng)絡(luò)及其結(jié)構(gòu)改進(jìn)

基于MobileNetV3 large網(wǎng)絡(luò)的分類器融合了MobileNetV1的深度可分離卷積，在輸入1×1卷積進(jìn)行升維后，再進(jìn)行3×3深度可分離卷積；融合了MobileNetV2的具有線性瓶頸的逆殘差結(jié)構(gòu)，如圖2所示，先利用1×1卷積進(jìn)行升維度，再進(jìn)行逆殘差操作，并加入由池化和全連接層構(gòu)成的注意力機(jī)制；在計(jì)算和參數(shù)量受限的前提下，又融合了MobileNetV3的互補(bǔ)搜索技術(shù)組合，有效利用平臺(tái)感知網(wǎng)絡(luò)附屬存儲(chǔ)(platform-aware NAS)搜索網(wǎng)絡(luò)的各個(gè)模塊，再使用Net Adapt對(duì)各個(gè)模塊的網(wǎng)絡(luò)層進(jìn)行微調(diào)，利用其對(duì)每層的核數(shù)量進(jìn)行優(yōu)化，達(dá)到模塊級(jí)搜索。

圖2 Bneck結(jié)構(gòu)

利用h-swish代替swish函數(shù)，進(jìn)一步減少運(yùn)算量并提高性能。h-swish激活函數(shù)為

(3)

式中：x為輸入值；ReLU6為限制最大輸出為6的ReLU激活函數(shù)。

瓶頸殘差結(jié)構(gòu)融合深度可分離卷積結(jié)合h-swish激活函數(shù)的集成改進(jìn)網(wǎng)絡(luò)，既可減少骨骼分類模型參數(shù)，降低計(jì)算量，又可增強(qiáng)梯度傳播，減少推理期間所需的占用內(nèi)存，有效解決網(wǎng)絡(luò)訓(xùn)練中梯度消失、爆炸等問(wèn)題。

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)指標(biāo)

在圖像分類中，準(zhǔn)確率、損失率、錯(cuò)誤率、靈敏度等為常見(jiàn)評(píng)價(jià)指標(biāo)，對(duì)特定分類器而言需要針對(duì)性地提高某些指標(biāo)。在骨骼區(qū)域的分類識(shí)別中，平均準(zhǔn)確率、損失率和計(jì)算速度顯得尤為重要，本文以其為評(píng)判標(biāo)準(zhǔn)，驗(yàn)證模型針對(duì)骨骼區(qū)域的分類性能。

2.2 實(shí)驗(yàn)環(huán)境

本實(shí)驗(yàn)平臺(tái)搭建在x64處理器的Windows10操作系統(tǒng)，仿真環(huán)境采用tensorflow2.1.0，編程語(yǔ)言為 Python3.7，平臺(tái)為 PyCharm2019.3.3，CPU使用Intel(R)Core(TM)i7-9750H，GPU使用Inter(R)UHD Graphics 630，運(yùn)行內(nèi)存為8 GB。

2.3 數(shù)據(jù)集

本文采用斯坦福大學(xué)于2018年發(fā)布的世界最大骨X光片數(shù)據(jù)集MURA進(jìn)行實(shí)驗(yàn)。該數(shù)據(jù)集的共享促使骨骼診療領(lǐng)域向機(jī)器智能和診療標(biāo)準(zhǔn)化的方向邁進(jìn)[12]，其收集了近13 000名不同年齡性別人類的40 895張骨骼X光片圖像[13]，如圖3所示。

圖3 MURA數(shù)據(jù)集構(gòu)成與分布

MURA包含了肘、手指、前臂、手掌、肱骨、肩膀、手腕等部位的X光片，圖中0～6即依次對(duì)應(yīng)這7類骨骼X光片圖像，其中腕部圖像最多，肱骨圖像最少，共含有訓(xùn)練集圖片36 808張，測(cè)試集圖片3 197張，其中7類X光片圖像示例如圖4所示。

圖4 數(shù)據(jù)集圖像示例

2.4 實(shí)驗(yàn)過(guò)程

2.4.1 數(shù)據(jù)處理與標(biāo)簽

對(duì)數(shù)據(jù)集依次進(jìn)行LBP與旋轉(zhuǎn)不變LBP紋理增強(qiáng)處理，處理后各類圖像如圖5所示。建立測(cè)試集與訓(xùn)練集的文件，對(duì)其7類骨骼圖片進(jìn)行csv文件自動(dòng)歸類并給予標(biāo)簽處理，本實(shí)驗(yàn)標(biāo)簽為0-肘、1-手指、2-前臂、3-手掌、4-肱骨、5-肩膀、6-手腕。

圖5 紋理增強(qiáng)處理

2.4.2 分類器訓(xùn)練及預(yù)測(cè)

本文使用所構(gòu)建的改進(jìn)MobileNetV3 large分類器，對(duì)紋理增強(qiáng)處理后的骨骼X光片數(shù)據(jù)集分別進(jìn)行了20輪和50輪的訓(xùn)練，每次按順序?qū)?張圖片喂入網(wǎng)絡(luò)，類別數(shù)為7，調(diào)整圖片的寬高皆為224，訓(xùn)練圖片采用三通道；為了增強(qiáng)模型的泛化能力，使用rescale對(duì)圖片的每個(gè)像素值均乘上1/255的縮放因子；為了避免神經(jīng)元失活，把像素的值放縮到0和1之間進(jìn)一步使模型收斂。多分類實(shí)驗(yàn)在“flow_from_directory()”加載圖片數(shù)據(jù)流時(shí)，將參數(shù)“class_mode”設(shè)為“categorical”，初始學(xué)習(xí)率設(shè)為0.000 1，并配置optimizers.Adam優(yōu)化器，使其動(dòng)態(tài)地減小學(xué)習(xí)率，以實(shí)現(xiàn)效率和效果兼得。結(jié)合fit_generator進(jìn)行訓(xùn)練以節(jié)約內(nèi)存。

遍歷預(yù)測(cè)集列表圖片并調(diào)整圖片寬高皆為224，使其符合喂入網(wǎng)絡(luò)結(jié)構(gòu)的要求，然后對(duì)圖片轉(zhuǎn)載成numpy類型數(shù)據(jù)，并進(jìn)行歸一化處理，最后調(diào)用模型，把轉(zhuǎn)載后的數(shù)據(jù)放入模型，得到預(yù)測(cè)的結(jié)果。結(jié)果顯示20輪的訓(xùn)練平均準(zhǔn)確率為94.406%，50輪的訓(xùn)練平均準(zhǔn)確率可達(dá)96.942%。

2.5 結(jié)果分析與優(yōu)化

2.5.1 結(jié)果可視化

Tensorboard為谷歌所開(kāi)發(fā)的Tensorflow內(nèi)置的神經(jīng)網(wǎng)絡(luò)可視化工具[14]，它可以記錄圖像的曲線平滑程度以及水平軸的變化情況，通過(guò)它觀察每個(gè)epoch的梯度值，可以實(shí)時(shí)檢測(cè)每次循環(huán)后正確率以及損失率的變化走勢(shì)，以此分析出權(quán)值更新方向并判斷其是否符合正常訓(xùn)練規(guī)律[15]，進(jìn)而為改進(jìn)MobileNetV3 large網(wǎng)絡(luò)學(xué)習(xí)率等參數(shù)做出相應(yīng)設(shè)置和調(diào)整，對(duì)分類器進(jìn)行調(diào)優(yōu)。

在tf.summary模塊置入相關(guān)變量，生成訓(xùn)練的各分量可視化數(shù)據(jù)Log文件[16]。由實(shí)驗(yàn)可知，損失率的遞減表明h-swish激活函數(shù)能夠在每一步有效地篩選訓(xùn)練結(jié)果，并加速收斂，訓(xùn)練的準(zhǔn)確率、損失率可視化圖如圖6所示。

從圖6(a)可以看出，準(zhǔn)確率隨迭代次數(shù)的增加不斷增長(zhǎng)，增加過(guò)程中雖然存在振蕩波動(dòng)，但整體持續(xù)增長(zhǎng)趨勢(shì)非常明顯；從圖6(b)可以看出，訓(xùn)練10次以內(nèi)的損失率隨迭代次數(shù)增加不斷下降，但當(dāng)訓(xùn)練10次后，損失率轉(zhuǎn)而增加，表明產(chǎn)生了過(guò)擬合現(xiàn)象，即擬合了訓(xùn)練數(shù)據(jù)中的噪聲和訓(xùn)練樣例中沒(méi)有代表性的特征，導(dǎo)致擴(kuò)大了訓(xùn)練過(guò)程中的損失數(shù)據(jù)，不利于訓(xùn)練的準(zhǔn)確性，需要減少過(guò)擬合現(xiàn)象以此降低損失。

圖6 準(zhǔn)確率與損失率走勢(shì)

2.5.2 迭代次數(shù)設(shè)置

樣本過(guò)少、訓(xùn)練集和測(cè)試集特征差異過(guò)大、樣本里雜質(zhì)數(shù)據(jù)干擾過(guò)大、權(quán)值學(xué)習(xí)迭代次數(shù)過(guò)多等都是模型過(guò)擬合的常見(jiàn)原因。解決過(guò)擬合的方案大致分4類，調(diào)小模型結(jié)構(gòu)復(fù)雜度，縮小圖像寬度和減小深度，使其適合目標(biāo)訓(xùn)練集的數(shù)量級(jí)；正則化處理，引入額外新信息；擴(kuò)充訓(xùn)練集，增加模型學(xué)習(xí)的樣本數(shù)量；減少訓(xùn)練次數(shù)，尋找最佳迭代次數(shù)。

經(jīng)過(guò)數(shù)據(jù)集處理，圖像寬度深度已經(jīng)優(yōu)化，改進(jìn)的輕量級(jí)網(wǎng)絡(luò)MobileNet-V3 large參數(shù)量較小，結(jié)構(gòu)也并不復(fù)雜；經(jīng)過(guò)紋理增強(qiáng)處理后的數(shù)據(jù)集，對(duì)骨骼X光片圖像的訓(xùn)練更加富有針對(duì)性，增強(qiáng)優(yōu)化處理的數(shù)據(jù)集MURA特征分布一致，其特征信息數(shù)量級(jí)已達(dá)到最佳狀態(tài)，無(wú)需引入額外信息；此外，原始數(shù)據(jù)集劃分的訓(xùn)練集與測(cè)試集的文件可靠性強(qiáng)，樣本圖像數(shù)量充足，無(wú)需擴(kuò)充訓(xùn)練集；但由于樣本里的雜質(zhì)數(shù)據(jù)干擾較大，訓(xùn)練次數(shù)過(guò)多，導(dǎo)致模型過(guò)分學(xué)習(xí)了錯(cuò)誤的特征，忽略了真實(shí)的網(wǎng)絡(luò)輸入輸出映射關(guān)系，擬合了訓(xùn)練數(shù)據(jù)中的噪聲和訓(xùn)練樣例中的無(wú)關(guān)特征。故判斷過(guò)擬合現(xiàn)象由于權(quán)值學(xué)習(xí)的迭代次數(shù)過(guò)多導(dǎo)致，需要對(duì)模型進(jìn)行迭代次數(shù)的尋優(yōu)，以此把損失率控制到最小。

為進(jìn)一步驗(yàn)證訓(xùn)練10次以內(nèi)的損失率隨迭代次數(shù)增加不斷下降，設(shè)置訓(xùn)練次數(shù)為10，進(jìn)行重新訓(xùn)練。由訓(xùn)練結(jié)果可知，在訓(xùn)練次數(shù)10以內(nèi)，損失率隨著迭代次數(shù)的增加而顯著降低，反映出經(jīng)過(guò)優(yōu)化后的分類器具有逐漸降低的損失率與優(yōu)秀的分類性能。

2.5.3 改進(jìn)分類器綜合性能討論

最終使用測(cè)試集對(duì)骨骼區(qū)域分類驗(yàn)證，顯示最高準(zhǔn)確率為99.9%，最低準(zhǔn)確率為87.3%，平均準(zhǔn)確率為96.9%，總體計(jì)算時(shí)間快，分類精度高，骨骼區(qū)域分類準(zhǔn)確率如表1所示。

表1 分類器對(duì)各骨骼區(qū)域分類準(zhǔn)確率

使用原始網(wǎng)絡(luò)MobileNetV3在MURA數(shù)據(jù)集上進(jìn)行訓(xùn)練與測(cè)試，顯示平均準(zhǔn)確率僅為91.8%。表明加入旋轉(zhuǎn)不變紋理增強(qiáng)處理的數(shù)據(jù)集，并引入殘差結(jié)構(gòu)融合輕量級(jí)注意力機(jī)制的改進(jìn)分類器的分類精度有大幅提高。

從表1可以看出，本文分類器對(duì)于手指部位的分類精度稍低。由于訓(xùn)練集中X光片手指形態(tài)各異，不利于逐層學(xué)習(xí)的網(wǎng)絡(luò)模型學(xué)習(xí)，在骨骼影像采集過(guò)程中，手指樣例的彎曲、不同數(shù)量手指的拍攝、樣例手指間的特征差異過(guò)大等都是影響網(wǎng)絡(luò)訓(xùn)練準(zhǔn)確度的重要方面。前臂、手腕與肘部的識(shí)別準(zhǔn)確率最高，這是由于該部位特征較為明顯，并且擁有較大的樣本量，其中前臂的樣本量較少，但準(zhǔn)確率極高，可見(jiàn)前臂部位特征最為明顯，更加適合逐層學(xué)習(xí)的網(wǎng)絡(luò)模型訓(xùn)練。由此可見(jiàn)數(shù)據(jù)集的良好采集對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及其性能評(píng)測(cè)具有至關(guān)重要的作用。

3 結(jié)束語(yǔ)

本文基于MobileNetV3 large網(wǎng)絡(luò)建立了一個(gè)骨骼區(qū)域X光片智能分類器，對(duì)骨骼X光片進(jìn)行旋轉(zhuǎn)不變紋理增強(qiáng)處理，并集成MobileNet系列歷代網(wǎng)絡(luò)優(yōu)勢(shì)，然后利用Tensorboard對(duì)訓(xùn)練次數(shù)、訓(xùn)練集與測(cè)試集的相對(duì)值及計(jì)算時(shí)間等進(jìn)行了可視化分析，從而對(duì)模型分類效果進(jìn)行驗(yàn)證，并有針對(duì)性地優(yōu)化分類器方案，完善后的分類器在MURA測(cè)試集中的平均準(zhǔn)確率可高達(dá)96.9%，性能已接近影像科專家的人工判斷結(jié)果，說(shuō)明分類器可精確識(shí)別各區(qū)域骨骼X光片并進(jìn)行分類。

本文提出的分類器設(shè)計(jì)方案精度高，但距離完全智能化的診療還有提升空間，一方面，深度學(xué)習(xí)算法的網(wǎng)絡(luò)模型是數(shù)據(jù)驅(qū)動(dòng)的模型，其數(shù)據(jù)樣本的數(shù)量與質(zhì)量直接影響模型分類器性能，而醫(yī)學(xué)圖像獲取難、標(biāo)注難、采集條件差，導(dǎo)致其數(shù)據(jù)集規(guī)模較??；另一方面，目前通用的深度學(xué)習(xí)網(wǎng)絡(luò)模型大都是針對(duì)自然圖像處理的模型，而醫(yī)學(xué)圖像單通道、小對(duì)比度、復(fù)雜紋理特征等特點(diǎn)使得較多通用模型難以達(dá)到理想效果。因此，建立共享的醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)才能提升深度學(xué)習(xí)在醫(yī)學(xué)圖像分析中的巨大潛力；同時(shí)，基于通用模型，改進(jìn)并構(gòu)建具有針對(duì)性的醫(yī)學(xué)圖像領(lǐng)域?qū)Ｓ媚Ｐ偷姆诸惼鳎轻t(yī)療領(lǐng)域智能化的重要過(guò)程。