周 濤 葉鑫宇* 劉鳳珍 陸惠玲 周敬策 杜玉虎

①(北方民族大學計算機科學與工程學院 銀川 750021)

②(寧夏醫(yī)科大學理學院 銀川 750004)

③(江南大學人工智能與計算機學院 無錫 214122)

④(北方民族大學圖像圖形智能處理國家民委重點實驗室 銀川 750021)

1 引言

新型冠狀病毒具有傳播速度快、傳染率高的特點[1]，使其成為威脅全世界人類健康的急性呼吸道傳染病之一。計算機斷層掃描(Com puted Tom ography,CT)作為一種非入侵性影像學技術(shù)，廣泛應(yīng)用于新冠肺炎疾病的初步診斷和篩查。新冠肺炎CT影像的分析和診斷過程復(fù)雜，需要專業(yè)知識和經(jīng)驗的醫(yī)生，手動分析過程耗時耗力，新冠肺炎CT的計算機輔助診斷模型可以進行快速的診斷和識別。

深度學習模型[2]是輔助醫(yī)生進行快速準確診斷新冠肺炎的重要手段。Song等人[3]使用特征金字塔網(wǎng)絡(luò)改進殘差神經(jīng)網(wǎng)絡(luò)(ResNet)以克服過擬合問題，在新冠肺炎CT數(shù)據(jù)集上實現(xiàn)93%召回率和86%精度；Ye等人[4]利用半監(jiān)督模型將類激活映射集成到前向傳播中，提高CT圖像新冠肺炎識別準確度；Rahhal等人[5]提出多尺度的復(fù)合縮放網(wǎng)絡(luò)(EfficientNet)模型，利用多尺度卷積提取密集特征，提高了分類性能；Kong等人[6]提出融合密集網(wǎng)絡(luò)(DenseNet)與VGG特征的分類網(wǎng)絡(luò)，通過特征復(fù)用減少網(wǎng)絡(luò)參數(shù)量和緩解梯度消失問題；Garg等人[7]在新冠肺炎CT圖像上訓練和評估了20個卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的分類性能，其中DenseNet具有高性能和低網(wǎng)絡(luò)規(guī)模的優(yōu)勢。

設(shè)計適合移動設(shè)備的高效輕量化新冠肺炎計算機輔助診斷模型十分必要，常使用深度可分離卷積、分組、縮減模型層數(shù)等方法進行輕量化。M ontalbo[8]減少DenseNet層數(shù)來降低參數(shù)量，縮短新冠肺炎特征的端到端流動；A sif等人[9]通過集成DenseNet、初始多尺度網(wǎng)絡(luò)(Incep tion)、移動高效網(wǎng)絡(luò)(M obileNet)、神經(jīng)架構(gòu)搜索網(wǎng)絡(luò)(NasNet)、極限初始網(wǎng)絡(luò)(Xcep tion)5種輕量級網(wǎng)絡(luò)，取得較好新冠肺炎分類效果；Chakraborty等人[10]設(shè)計由41個深度可分離卷積層構(gòu)成的輕量級架構(gòu)，實現(xiàn)較好的分類性能。基于CNN的輕量化模型主要通過拆分空間維度和通道維度相關(guān)性，減少卷積計算的參數(shù)量，但限制了CNN模型的性能和準確性。

近年來，結(jié)合CNN和T ransform er的混合輕量級新冠肺炎模型取得較好性能。Dehkordi等人[11]結(jié)合CNN提取局部特征和T ransform er提取全局特征的優(yōu)勢，在淺層中減少T ransformer數(shù)量以減輕高計算復(fù)雜性；Park等人[12]對CNN與T ransform er結(jié)合的模型進行輕量化，先使用大數(shù)據(jù)集進行遷移學習，然后在X光片中進行新冠肺炎分類。CNN與T ransformer混合架構(gòu)仍存在模型參數(shù)量大、計算量多、推理緩慢的問題，這也是設(shè)計輕量化T ransformer的重要挑戰(zhàn)。

綜上所述，設(shè)計新冠肺炎的輕量化計算機輔助診斷模型主要存在以下問題：(1)深度學習模型占用的資源較大，限制了模型在特殊場景中的應(yīng)用；(2)新冠肺炎的早期，肺部皮層局部血管變粗，磨玻璃病灶內(nèi)部有細網(wǎng)格狀陰影，難以進行識別，后期病灶呈多葉多灶廣泛分布，充分提取新冠肺炎CT圖像的病灶局部信息與全局病灶信息仍然是一個難點。為解決以上問題，本文提出一種面向CT圖像新冠肺炎識別的密集重參輕量化T ransformer模型：

(1)圍繞輕量化問題，設(shè)計重參密集塊，在訓練和推理階段進行卷積結(jié)構(gòu)重參數(shù)，增強性能同時降低復(fù)雜度；設(shè)計層次化T ransform er，將特征圖按通道分組后進行學習，降低復(fù)雜度；

(2)圍繞提高CT圖像新冠肺炎全局和局部信息的特征提取能力，首先使用鄰域T ransform er增強全局注意力中的局部特征相關(guān)性；其次構(gòu)造層次化T ransform er，融合不同組之間特征獲得多層次信息；然后在層次化T ransform er中進行信息融合，充分提高組內(nèi)和組間局部與全局特征的交互能力；最后對所有全局特征進行特征聚合，實現(xiàn)深淺層特征的進一步融合。

2 方法

本文所提密集重參輕量化T ransformer(Dense Reparam eter Lightweight T ransform er,DRLT ransformer)模型架構(gòu)如圖1所示，利用3個重參密集塊進行特征提取，然后經(jīng)過4個層次化T ransform er單元進行特征提取，最后經(jīng)過全連接層和Softmax分類層進行新冠肺炎識別。

圖1 DRLT ransformer模型結(jié)構(gòu)圖

2.1 重參密集塊

CNN通常使用復(fù)雜結(jié)構(gòu)提高模型性能，設(shè)計高性能且輕量化模型就變得非常重要。結(jié)構(gòu)重參數(shù)是指將多分支結(jié)構(gòu)模型的參數(shù)重新轉(zhuǎn)換為另一組結(jié)構(gòu)簡單的參數(shù)，實現(xiàn)輕量化并保持多分支結(jié)構(gòu)的特征表達能力。為此，本文設(shè)計了如圖1(b)所示的重參密集塊，分別由6,12,24個重參單元密集連接組成，重參單元結(jié)構(gòu)如圖1(c)所示。重參單元通過多尺度和多分支結(jié)構(gòu)充分提取特征，采用線性縮放替換批量歸一化(Batch Normalization,BN)層，保持模型的非線性表達能力，1 ×1重參卷積結(jié)構(gòu)如圖2所示。

圖2 1×1重參卷積

首先進行串行結(jié)構(gòu)重參，然后進行并行結(jié)構(gòu)重參得到重參1×1卷積，降維減少計算量同時更充分融合各個通道的特征。5個分支結(jié)構(gòu)的3 ×3重參卷積結(jié)構(gòu)如圖3所示，對特征信息充分提取，其中3×3最大池化通過消除非極大值，捕獲局部信息的細節(jié)信息，深度卷積用于減少計算復(fù)雜度，點卷積保證跨通道信息的融合，下采樣的卷積可以獲得與擴張卷積相似的感受野，學習上下文信息的多樣性，3 ×3頻率濾波器較池化層可以提取更多分量信息，下采樣進一步擴大當前卷積層的感受野，從而提高性能。

圖3 3×3重參卷積

在訓練階段將不同分支的特征映射操作轉(zhuǎn)換為卷積核上的操作，并減少中間層特征映射操作進一步降低模型復(fù)雜度，對重參單元進行密集連接可以用較少參數(shù)量增加網(wǎng)絡(luò)深度和寬度，同時提高對新冠肺炎病灶特征的表示能力。

2.2 層次化輕量塊

層次化輕量塊由如圖1(d)所示的4個層次化T ransform er單元聚合構(gòu)成，重參密集塊輸出特征圖轉(zhuǎn)換為層次化T ransformer單元的形式。首先信息融合方法將特征按通道進行均勻分組，輸入到不同層次的鄰域T ransform er，其次在不同組之間進行不同層的信息融合，拼接全部組的特征作層次化T ransformer單元的輸出特征，然后連續(xù)執(zhí)行3次相同操作，獲得4個不同單元的全局輸出特征，最后將全部全局輸出特征聚合到最后層，得到層次化輕量塊的最終輸出。

2.2.1鄰域Transformer

CNN通過局部相鄰像素點之間的聯(lián)系提取局部特征，表現(xiàn)出較好的優(yōu)勢，但學習全局特征能力有限；T ransform er[11]模型可以學習全局信息，但缺乏對局部信息的關(guān)注能力；移動窗口分層T ransform er(Sw inT ransform er)在局部窗口中計算全局注意力，但缺少窗口間信息交互，全局特征學習中難以關(guān)注到局部細節(jié)；全局注意力的計算方式會導(dǎo)致模型參數(shù)量和計算量急劇上升。為此，本文使用鄰域T ransform er計算局部相鄰的像素之間的聯(lián)系，在全局特征學習同時提供豐富局部特征，保留了窗口間局部特征相關(guān)性和圖像細節(jié)信息，結(jié)構(gòu)如圖4所示。

圖4 鄰域T ransform er

首先用類似窗口滑動的方式以像素為X i,j為中心，L2大小的Pi,j為鄰域，依次向右滑動，直至取到所有像素的鄰域，然后，利用1×1卷積將輸入變換為矩陣Q i,j，將鄰域Pi,j變換為Ki,j和Vi,j，最后計算Q i,j與Ki,j之間的相關(guān)性，得到單個像素鄰域注意力(N A(X i,j))，可表示為

其中，Softmax表示歸一化指數(shù)函數(shù)，T表示矩陣轉(zhuǎn)置，B i,j表示相對位置編碼，表示K i,j的維度。鄰域T ransform er將相關(guān)性權(quán)重轉(zhuǎn)換為對應(yīng)鄰域計算，考慮像素與其周圍像素的局部相關(guān)性，引入更多局部信息，彌補了細節(jié)信息的損失，提高全局計算過程中對新冠肺炎病灶局部特征相關(guān)性的學習能力。

2.2.2層次化Transformer單元

CNN可以按通道對輸入特征圖進行拆分，對每組進行分層計算學習多層次特征，T ransformer模型計算復(fù)雜，不斷堆疊計算可進一步擴大感受野，但缺乏多層次的信息。為此，本文基于分層計算設(shè)計了層次化Transformer單元，結(jié)構(gòu)如圖5所示。一方面將輸入特征圖按通道數(shù)均勻分為4組，分組后分別進行T ransform er計算，降低了參數(shù)量和計算量；另一方面融合上一組輸出特征，輸入到下一層處理，不同層次的特征圖拼接在一起，增加感受野同時可以學習多層次特征，進一步增強全局信息與局部信息的融合。

輸入特征圖按通道劃分為4個組，其中第i個 通道分組X i，i∈{1,2,3,4}，計算后將輸出特征圖與下一個組輸入特征圖進行相加，實現(xiàn)不同層次的全局特征信息融合。第1組輸入特征圖X1，不做任何處理，節(jié)約1/4的參數(shù)量和計算量，同時提供原始信息，第2組輸入特征圖X2直接計算，并將輸出的全局特征圖與第3組輸入特征圖X3進行相加的融合，使下一個鄰域T ransformer接收來自上一個層次的全局特征，第4組輸入特征圖X4融合第3組輸出后進行計算，最終拼接4組的輸出特征，得到具有不同層次感受野的輸出特征。

T ransformer中拼接不同層次的全局信息，增加感受野同時學習多層次的全局與局部特征，提高對新冠肺炎的識別能力，按通道分組后進行T ransform er計算，減少了計算復(fù)雜度。采用3個鄰域T ransformer構(gòu)成一個層次化T ransformer單元，通過將輸入特征圖進行通道分組，分別提取不同層次的全局特征，減少T ransform er的計算量和參數(shù)量，保持了模型的輕量化。

2.2.3信息融合

層次化T ransformer單元中輸出的特征圖直接進行拼接，導(dǎo)致不同組的特征無法進行信息交互，為此，使用信息融合對層次化T ransform er單元輸入特征按通道進行均勻混洗，對不同組之間的特征圖進行信息傳遞和交互，信息融合具體過程如圖6所示。對輸入特征圖進行通道分組、轉(zhuǎn)換、轉(zhuǎn)置、展平完成信息融合，這樣做的優(yōu)勢：(1)沒有產(chǎn)生額外的參數(shù)量和計算量；(2)對包含全局信息和局部信息的輸出特征圖進行重組和交互；(3)融合交互CT圖像中新冠肺炎病灶的全局與局部信息，提高模型識別能力。

圖6 信息融合

2.2.4 Transformer塊輕量化

為進一步實現(xiàn)輕量化，本文設(shè)計如圖1紅色箭頭所示的聚合操作，將層次化T ransform er單元的輸出通道數(shù)壓縮為1/2，在最后單元聚合全部特征，聚合操作將淺層的全局上下文信息傳遞到深層，加強淺層全局病灶信息傳遞的有效性，充分利用深淺層的全局和局部病灶信息輕量化同時保證性能，降低參數(shù)量的同時提高模型性能。

3 實驗和討論

3.1 數(shù)據(jù)集和實驗參數(shù)

本文使用的數(shù)據(jù)集包含來自嚴重急性呼吸綜合癥新冠肺炎第2代CT掃描(Severe Acute Respiratory Synd rom es Corona Virus disease version 2 Com puted Tomography scan,SARS-CoV-2 CTscan)[13]的2 481個CT圖像，和來自新冠肺炎CT(CO rona V Irus D isease Com pu ted Tom ography,COV ID-CT)[14]的746個CT圖像。按6:2:2比例分成訓練集、驗證集和測試集進行實驗，使用水平或垂直隨機翻轉(zhuǎn)進行增強。本次實驗環(huán)境為W indows Server 2019系統(tǒng)，256 GB內(nèi)存，搭載兩塊3 GHz 36核處理器，并采用兩塊并行的泰坦第Ⅴ代(TITAN Volta,TITANⅤ)顯卡加速圖像處理，基于GPU的pytorch框架搭建網(wǎng)絡(luò)，采用自適應(yīng)矩估計(Adaptivemoment estimation,Adam)優(yōu)化器進行優(yōu)化，采用0.01的初始學習率和每10周期0.9的衰減策略，采用0.2的隨機丟棄率防止過擬合，設(shè)置權(quán)重衰減值為1e–4，訓練周期為250，訓練批處理大小為48。

3.2 評價指標

根據(jù)模型預(yù)測結(jié)果分類錯誤和正確的個數(shù)，得到真正類(Ture Positive,TP)、假正類(False Positive,FP)、假負類(False Negative,FN)、真負類(T rue Negative,TN)。準確率為全部類預(yù)測正確的比例，精確率(Precision)為正類且預(yù)測正確占所有正類的比例，召回率(Recall)為預(yù)測出的正類占所有正類的比例，F(xiàn)1分數(shù)(F1)表示為

受試者操作特征(Receiver Operating Characteristic,ROC)曲線是以敏感度即真正類率(T rue Postive Rate,TPR)為縱軸、假正類率(False Postive Rate,FPR)為橫軸進行繪制的，TPR值等于召回率，其中FPR、特異度(T rue Negative Rate,TNR)可分別表示為

將ROC曲線下面積定義為曲線下面積(A rea Under Curve,AUC)值，越靠近左上角AUC值會越大，表示模型的排序能力和分類性能會越好，評價指標均是值越大表示模型越好。

3.3 消融實驗與分析

為了評估模塊有效性，在DenseNet121基礎(chǔ)上依次進行7組實驗：添加重參密集塊、添加鄰域T ransform er、分別添加維度512或256的層次化T ransformer、分別添加信息融合、添加維度256的聚合。實驗結(jié)果對比如表1所示，不同模型的熱力圖[4]如圖7所示。實驗1，模型參數(shù)量和計算量急劇下降至1.07 M和70.38 M，5項指標提升近1.39%，重參密集塊有效降低模型的參數(shù)量，并提高對病灶的特征提取能力，圖7第3列可看出其關(guān)注病灶范圍更廣且主要集中在胸腔內(nèi)部；實驗2，5項指標提高近0.92%，鄰域T ransformer有效關(guān)注局部特征，但模型復(fù)雜度上升，圖7第4列可看出其更關(guān)注于肺部區(qū)域。

表1 在新冠肺炎CT數(shù)據(jù)集上的消融實驗結(jié)果對比

圖7 不同模型在新冠肺炎CT數(shù)據(jù)集上的熱力圖

實驗3和實驗4添加維度512或256的層次化T ransform er，模型參數(shù)量分別下降2.95倍和3.55倍，均有效降低計算復(fù)雜度且小幅提升性能，提高局部與全局特征的交互能力；實驗5和實驗6添加無參數(shù)量和計算量的信息融合，充分提高Transformer組內(nèi)和組間特征的交互能力；實驗7，5項指標均提高近0.47%并達到98.14%，特征聚合實現(xiàn)深淺層特征的進一步融合，從而進一步提高局部與全局特征的交互能力；實驗3—實驗7說明了層次化T ransform er輕量化的有效性，圖7最后列可看出模型聚焦和定位病灶區(qū)域的能力更強，性能得到有效提高。

3.4 對比實驗與分析

將本文模型DRLT ransformer與11個模型進行對比，在新冠肺炎CT數(shù)據(jù)集上的具體分類結(jié)果如表2所示。本文模型整體表現(xiàn)均優(yōu)于其他方法，具有較好的輕量化和分類能力。

表2 不同模型在新冠肺炎CT數(shù)據(jù)集上的具體結(jié)果

從表2可以得出，本文模型較DenseNet模型參數(shù)量和計算量大幅降低，5項指標提高近3.57%，獲得了較大程度的輕量化且性能有明顯提升；較輕量級網(wǎng)絡(luò)代表M obileNet，參數(shù)量降低8倍、計算量降低29倍，5項指標提高近4.50%，進一步輕量化和提高識別精度；較Sw in-T ransformer模型參數(shù)量降低225倍、計算量降低191倍、訓練時間近1/2，5項指標提高近1.86%，降低復(fù)雜度和提高效率；較結(jié)合CNN與T ransform er輕量化的深度可分離全局注意力模型EdgeNeX t-B，參數(shù)量降低77倍、計算量降低23倍，各項性能提升近2%，參數(shù)量更少、性能更高；較交互式融合局部特征與全局特征的模型Con form er-B，參數(shù)量和計算量明顯降低，5項指標提高近0.96%，以較少資源消耗獲得更好的精度。綜上，本文模型DRLT ransform er具有較好的輕量化程度，同時具有較高的識別精度和較好的分類能力，對新冠肺炎的識別性能最佳。

圖8為12種模型在新冠肺炎CT數(shù)據(jù)集上的ROC曲線和曲線下面積AUC，本文模型具有明顯的優(yōu)勢和魯棒性，AUC值最大達0.9814，能較好地學習和識別新冠肺炎CT影像的全局病灶信息與局部病灶信息。圖9為12種模型在新冠肺炎CT數(shù)據(jù)集上的PR曲線，是以精確率為縱軸，召回率為橫軸的曲線。準確率越高，召回率就越低，向上方凸出、包圍面積大的曲線代表模型效果好，可以看出本文模型性能明顯最優(yōu)。

圖8 不同模型在新冠肺炎CT數(shù)據(jù)集上的ROC曲線和AUC值

圖9 不同模型在新冠肺炎CT數(shù)據(jù)集上的PR曲線

3.5 公開數(shù)據(jù)集對比

為驗證本文模型的魯棒性和泛化能力，在3個公開的新冠肺炎相關(guān)CT數(shù)據(jù)集上進行對比實驗，結(jié)果如表3、表4和表5所示。第1個來自文獻[19]，共5 427張新冠肺炎和2 628張非新冠肺炎圖像。第2個來自文獻[20]，共4 001張新冠肺炎陽性和9 979張新冠肺炎陰性圖像。第3個來自文獻[21]，共510張正常和510張新冠肺炎圖像，本文模型DRLTransformer均取得較好性能。

表3 公開對比實驗結(jié)果

表4 公開對比實驗結(jié)果

表5 公開對比實驗結(jié)果

4 結(jié)論

本文提出一種面向CT圖像新冠肺炎識別的密集重參輕量化T ransformer模型，設(shè)計重參密集塊和輕量級層次化T ransformer實現(xiàn)輕量化；重參中多分支結(jié)構(gòu)提高網(wǎng)絡(luò)性能，轉(zhuǎn)換特征映射操作為卷積核操作以減少模型計算復(fù)雜度；層次化T ransformer增強全局注意力對局部特征相關(guān)性的學習能力，分組提取多層次特征信息，信息融合提高特征交互能力，聚合所有全局特征進行深淺層特征深度融合。在新冠肺炎CT數(shù)據(jù)集中實驗結(jié)果表明本文模型以較好的輕量化實現(xiàn)了較高的識別精度和準確分類，充分提取病灶的全局和局部信息，熱力圖可視化技術(shù)對各模塊驗證說明，本文模型在3個公共新冠肺炎相關(guān)數(shù)據(jù)集中取得了較好的魯棒性和泛化能力。