1. 项目概述
糖尿病视网膜病变（Diabetic Retinopathy, DR）是糖尿病患者最常见的微血管并发症之一，也是导致工作年龄人群失明的主要原因。这个毕业设计项目旨在利用深度学习技术，构建一个能够自动识别和分类糖尿病视网膜病变程度的智能诊断系统。
作为一名计算机视觉方向的毕业生，我选择这个课题主要基于两点考虑：首先，医疗影像分析是AI落地的重要场景，具有实际应用价值；其次，糖尿病视网膜病变的早期筛查对预防视力丧失至关重要，但专业眼科医生的诊断资源有限。通过这个项目，我希望探索深度学习在医学影像分类中的实际应用效果。
项目使用了包含1000张眼底图像的标注数据集，涵盖4个病变等级（0-无病变，1-轻度，2-中度，3-重度）。核心任务是构建一个能够准确分类这4个等级的深度学习模型。整个开发流程包括数据预处理、模型构建、训练优化和性能评估四个主要阶段。
提示：医学影像分析项目需要特别注意数据隐私和伦理问题。本项目使用的数据集已获得相应授权，且仅用于学术研究目的。
2. 数据处理与增强
2.1 数据集分析
原始数据集包含1000张眼底图像，按照7:3的比例划分为训练集（700张）和验证集（300张）。初始数据分布如下：
| 病变等级 | 训练集数量 | 验证集数量 | 总计 |
|---|---|---|---|
| 0 | 150 | 65 | 215 |
| 1 | 200 | 85 | 285 |
| 2 | 250 | 105 | 355 |
| 3 | 100 | 45 | 145 |
从分布可以看出两个主要问题：
- 类别不平衡：等级2的样本最多（355），等级3的样本最少（145）
- 总体数据量偏少：对于深度学习模型，1000张图像相对较少
2.2 数据增强策略
针对上述问题，我采用了以下数据增强方案：
- 等级0（无病变）：保持原样，不进行增强
- 等级1（轻度病变）：对每张图像进行水平和垂直翻转，数量增至3倍
- 等级2（中度病变）：仅进行垂直翻转，数量增至2倍
- 等级3（重度病变）：仅进行垂直翻转，数量增至2倍
增强后的数据分布：
| 病变等级 | 原始数量 | 增强后数量 | 增强方式 |
|---|---|---|---|
| 0 | 150 | 150 | 无 |
| 1 | 200 | 600 | 水平+垂直翻转 |
| 2 | 250 | 500 | 垂直翻转 |
| 3 | 100 | 200 | 垂直翻转 |
这种差异化增强策略的考虑是：
- 保持正常样本（等级0）的比例不过度降低
- 重点增加中度病变样本（等级2）的数量
- 对重度病变（等级3）也适当增加样本量
python复制# 数据增强实现示例
from torchvision import transforms
train_transform = transforms.Compose([
transforms.RandomHorizontalFlip(), # 随机水平翻转
transforms.RandomVerticalFlip(), # 随机垂直翻转
transforms.Resize((256, 256)), # 统一调整大小
transforms.ToTensor(), # 转换为Tensor
transforms.Normalize( # 标准化
mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
])
2.3 数据加载实现
我自定义了PyTorch的Dataset类来加载和处理图像数据：
python复制from torch.utils.data import Dataset, DataLoader
from PIL import Image
import pandas as pd
import os
class RetinaDataset(Dataset):
def __init__(self, img_dir, csv_file, transform=None):
self.annotations = pd.read_csv(csv_file)
self.img_dir = img_dir
self.transform = transform
def __len__(self):
return len(self.annotations)
def __getitem__(self, index):
img_path = os.path.join(self.img_dir, self.annotations.iloc[index, 0])
image = Image.open(img_path).convert('RGB')
label = self.annotations.iloc[index, 1]
if self.transform:
image = self.transform(image)
return image, label
3. 模型构建与训练
3.1 模型选择与迁移学习
考虑到医学影像数据量有限，我采用了迁移学习策略，使用在ImageNet上预训练的ResNet50作为基础模型。选择ResNet50的原因包括：
- 深层网络能捕捉更复杂的图像特征
- 残差连接缓解了深层网络的梯度消失问题
- 预训练权重提供了良好的特征提取能力
模型结构调整如下：
python复制import torchvision.models as models
import torch.nn as nn
model = models.resnet50(pretrained=True)
# 冻结所有卷积层参数
for param in model.parameters():
param.requires_grad = False
# 替换最后的全连接层
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, 4) # 4分类输出
# 只训练最后的全连接层
optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-4)
3.2 训练配置
训练过程中的关键参数设置：
| 参数 | 值 | 说明 |
|---|---|---|
| Batch Size | 32 | 兼顾显存占用和梯度稳定性 |
| 学习率 | 1e-4 | 较小的学习率防止预训练特征被破坏 |
| Epochs | 10 | 观察到验证集准确率在第8轮后趋于稳定 |
| 损失函数 | CrossEntropyLoss | 标准的多分类损失函数 |
| 优化器 | Adam | 自适应学习率优化器 |
训练循环的核心代码：
python复制device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)
criterion = nn.CrossEntropyLoss()
for epoch in range(num_epochs):
model.train()
running_loss = 0.0
for images, labels in train_loader:
images = images.to(device)
labels = labels.to(device)
optimizer.zero_grad()
outputs = model(images)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
running_loss += loss.item()
print(f"Epoch {epoch+1}, Loss: {running_loss/len(train_loader)}")
3.3 模型融合策略
在初步实验中，我发现不同模型对不同等级的病变识别能力存在差异：
| 模型 | 等级0准确率 | 等级1准确率 | 等级2准确率 | 等级3准确率 |
|---|---|---|---|---|
| ResNet50 | 85% | 72% | 68% | 60% |
| InceptionV3 | 78% | 80% | 65% | 75% |
基于这一观察，我采用了模型融合策略：
- 等级0和3的分类使用InceptionV3的结果
- 等级1和2的分类使用ResNet50的结果
这种混合策略使整体准确率提升了约20个百分点，最终达到82.5%。
4. 结果分析与模型评估
4.1 性能指标
在300张验证集图像上的评估结果：
| 指标 | 值 |
|---|---|
| 总体准确率 | 82.5% |
| 宏平均F1分数 | 0.81 |
| 混淆矩阵 | 见图1 |
各等级的具体表现：
| 病变等级 | 精确率 | 召回率 | F1分数 |
|---|---|---|---|
| 0 | 0.86 | 0.88 | 0.87 |
| 1 | 0.81 | 0.79 | 0.80 |
| 2 | 0.80 | 0.78 | 0.79 |
| 3 | 0.83 | 0.85 | 0.84 |
4.2 错误分析
通过分析误分类样本，发现主要错误类型包括：
- 等级1和等级2之间的混淆（占错误样本的65%）
- 早期病变（等级1）被误判为正常（等级0）（占25%）
- 重度病变（等级3）被过度诊断为中度（等级2）（占10%）
这些错误反映了医学影像分类的固有挑战：
- 病变程度的连续性导致边界模糊
- 早期病变特征不明显
- 不同等级间存在相似表现
4.3 改进方向
基于当前结果，可能的改进方向包括：
-
数据层面：
- 收集更多样本，特别是等级3的重度病变案例
- 尝试更丰富的数据增强方式（旋转、色彩调整等）
-
模型层面：
- 尝试更先进的网络架构（如EfficientNet、Vision Transformer）
- 使用注意力机制增强关键区域的特征提取
- 引入病变定位的辅助任务
-
训练策略：
- 采用渐进式解冻策略逐步微调更多层
- 使用Focal Loss缓解类别不平衡问题
- 增加早停机制防止过拟合
5. 项目总结与经验分享
5.1 关键收获
通过这个项目，我获得了以下宝贵经验：
-
数据质量至关重要：医学影像项目的数据标注需要专业眼科医生的参与，初始数据清洗花费了大量时间。
-
模型不是越复杂越好：在尝试了多个复杂模型后，发现适当简化模型结构配合良好的训练策略，往往能取得更好的效果。
-
评估指标要全面：在医学领域，单纯追求准确率可能掩盖重要问题，需要综合考察召回率、精确率等指标。
5.2 实用技巧
以下是在项目中积累的一些实用技巧：
- 学习率预热：在训练初期使用较小的学习率，逐步增加到设定值，有助于稳定训练。
python复制from torch.optim.lr_scheduler import LambdaLR
warmup_epochs = 3
lr_lambda = lambda epoch: (epoch + 1) / warmup_epochs if epoch < warmup_epochs else 1
scheduler = LambdaLR(optimizer, lr_lambda)
- 梯度裁剪：防止梯度爆炸，提高训练稳定性。
python复制torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)
- 混合精度训练：减少显存占用，加快训练速度。
python复制from torch.cuda.amp import GradScaler, autocast
scaler = GradScaler()
with autocast():
outputs = model(inputs)
loss = criterion(outputs, labels)
scaler.scale(loss).backward()
scaler.step(optimizer)
scaler.update()
5.3 项目扩展
这个项目还有多个可能的扩展方向：
-
临床部署：将模型封装为Docker容器，开发简单的Web界面供医生使用。
-
病变定位：不仅判断病变等级，还能标注出病变的具体位置。
-
病程预测：基于时间序列的眼底图像，预测病变的发展趋势。
这个毕业设计项目让我深刻体会到AI技术在医疗领域的应用潜力和挑战。虽然模型达到了不错的准确率，但在实际临床应用中还需要考虑更多因素，如解释性、鲁棒性和伦理问题。希望这个项目能为后续研究提供有价值的参考。