医学图像人工智能专项课程-深度学习用于疾病诊断-第一课第一周6-10节总结+作业解读

现在，您已经了解了深度学习在医学图像分类问题上的一些前沿应用。

本文将介绍第一课第一周6-10节的内容。主要讲解构建一个分类模型去识别胸片的肿块。以及分类模型将面临的三个挑战：类不平衡挑战、多任务挑战和数据集大小挑战。本节重点解决类不平衡挑战。详细介绍了loss的算法，以及为何要做加权loss。以及在作业中，手把手带你写加权loss.

我们将介绍如何为使用胸部X光片检测多个疾病的医学成像任务构建自己的深度学习模型。

我们将介绍一个胸部X光解释模型的训练过程，并看看在这个过程中你将面临的关键挑战，以及你如何成功地应对这些挑战。

我们先来看看胸部X光片的判读任务。胸部X光片是医学上最常见的诊断成像方法之一，大约一年有20亿个胸部X光片。

胸部X光检查对于发现许多疾病至关重要，包括肺炎和肺癌，这些疾病每年影响着全世界数百万人。

现在，一位接受过胸部X光片解释训练的放射科医生会查看胸部X光片，观察肺部、心脏和其他区域，以寻找可能提示患者是否患有肺炎、肺癌或其他疾病的线索。

让我们看看一个叫做肿块（Mass）的异常。我不打算首先定义什么是肿块，但让我们看三张包含肿块的胸部X光片和三张正常的胸部X光片。

所以，你大概知道什么是肿块了吗？肿块被定义为病变或换句话说，在胸部X光片上看到的直径大于3厘米的组织损伤。让我们看看如何训练我们的算法来识别 mass。

Training, prediction, and loss

我们有胸部X光片的图像，想通过一个算法去识别它们是否含有肿块。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cRYcn4hk-1625826753176)(https://files.mdnice.com/user/15745/e18d5f92-f859-401a-8869-76a61893b145.png)]

这个算法可以有不同的名字。您可能听说过深度学习算法或模型、神经网络或卷积神经网络等术语。

该算法以分数的形式生成输出，分数是图像包含肿块的概率。

上图中第一幅图像实际上有肿块，但算法输出的肿块的概率为0.48，而下面那个正常的图像肿块的概率被输出为0.51。

因此，当训练还没有开始，这些分数，这些概率输出将不符合期望的标签。因此，我们要去训练它。

假设 mass 的期望标签是1，normal的标签是0。您可以看到0.48与1相距甚远，而0.51与期望的0标签相差甚远。

我们可以通过计算一个损失函数来测量这个误差。

损失函数测量我们的输出概率和期望的标签之间的误差。第一幅图像的误差为0.32， 第二幅为0.31。损失值的计算之后会讲。

当我们算法迭代几次后，一组新的图像和期望的标签被呈现给该算法，因为它学会随着时间的推移产生更接近所需标签的分数。

这里，第一幅图像的概率增加到了0.6，越来越接近1， 第二幅图像的概率降到了0.3， 越来越接近0。loss值也越来越小。

三个挑战

我们将讨论医学图像训练算法的三个关键挑战：类不平衡挑战、多任务挑战和数据集大小挑战。对于每一个挑战，我们将介绍一到两种应对方法。

• 类别不平衡：可以使用加权的 loss weighted loss, 或者是均衡采样（resampling）
• 多任务： 多标签loss
• 数据集大小： 迁移学习 + 数据增强

类别不平衡

我们更详细的来讨论一下类别不平衡。在医学数据集中，非疾病和疾病的例子并不相同。

这反映了现实世界中疾病的流行率或频率，在这里我们看到正常人的例子比肿块的例子多得多，特别是当我们观察健康人群的X光时。在一个医学数据集中，你可能会看到正常例子是肿瘤例子的100倍。

损失函数的计算

继续上边的类别不平衡的例子，这就给算法学习带来了一个问题，即大多数情况下算法都会抓住正常的例子。如图，刚开始model为每个人预测一个非常低的患病概率，并且不能确定一个例子什么地方有疾病。

让我们看看如何将这个问题追溯到我们用来训练算法的损失函数。我们还将了解如何在数据不平衡的情况下修改这个损失函数。

这个损失叫做二进制交叉熵损失，它衡量的是一个分类模型的性能，它的输出在0到1之间，让我们看一个例子，看看这个损失函数是如何计算的。

关于交叉熵损失函数，我们之前也介绍过，欢迎阅读

Pytorch & MONAI — 手撸各种loss

这里我们有一个胸部x光片的例子，其中包含一个肿块，算法输出的概率为0.2。这里的0.2是根据算法Y等于1的概率，这个例子是肿块的概率。现在，我们可以用损失函数来计算这个例子中的loss。

如图所示，$loss=-log0.2=0.7$

上图中，label=0,所以是一个阴性例子。我们计算loss使用 y=0 那一行的公式。网络输出的概率是0.7，但是我们要计算的y=0的概率，为1-0.7=0.3， 因此

$loss=-log(1-0.7)=0.52$

我们已经学会了如何计算一个例子的loss,让我们来看看它是如何应用到一堆例子中的。

这里我们有六个正常的例子和两个肿块（mass）的例子。 注意这里的P2、P3、P4是患者id，当训练还没有开始时，假设算法对所有的例子产生了0.5的输出概率，然后可以计算每个例子的损失。

对于一个normal的例子，我们将使用log(1-0.5)，结果是0.3。对于一个mass例子，我们将使用log0.5，也是0.3。

我们计算总的loss

loss = 2 mass * 0.3 + 6 noraml * 0.3

所以请注意，大部分对损失的贡献是来自 normal 的例子，而不是来自 mass 的例子。

因此，该算法在不增加 mass 样本的相对权重的前提下，对更新后的样本进行优化以得到正常样本。实际上，这并不能产生很好的分类器。这就是类别不平衡的问题。

解决类不平衡问题的方法是修改损失函数，对正常类和 mass 类进行不同的加权。Wp是我们分配给 mass 例子的权重，Wn指正常例子的权重。

这里。我们的 $W_p=6/8$ $W_n=2/8$

数量越多的类别权重越低，数量越少的样本权重越高。

然后，你可以看到，如果你把 2 个 mass 例子中的总损耗加起来，我们得到0.45，6个正常的例子的总loss也是0.45。

从正类和负类得到的损失贡献是相同的。因此，这是一个使用权重修改损失的想法，在这种方法中称为加权损失，以解决类不平衡问题。

学到这里，我们应该完成第二次作业

本周作业解读 加权loss

作业文件：AI4M_C1_W1_lecture_ex_02

• 首先，我们认为的构造y_true, y_pred_1, y_pred_2.分别表示标签，model1的输出，model2的输出

y_true = np.array(
        [[1],
         [1],
         [1],
         [0]])
print(f"y_true: \n{y_true}")

# Make model predictions that are always 0.9 for all examples
y_pred_1 = 0.9 * np.ones(y_true.shape)
print(f"y_pred_1: \n{y_pred_1}")
print()
y_pred_2 = 0.1 * np.ones(y_true.shape)
print(f"y_pred_2: \n{y_pred_2}")

y_true:
[[1]
[1]
[1]
[0]]

y_pred_1:
[[0.9]
[0.9]
[0.9]
[0.9]]

y_pred_2:
[[0.1]
[0.1]
[0.1]
[0.1]]

• 我们来计算两个model的loss

loss_reg_1 = -1 * np.sum(y_true * np.log(y_pred_1)) + \
                -1 * np.sum((1 - y_true) * np.log(1 - y_pred_1))

注意: 从上面图中的公式如何转到这里的公式的。喜欢研究的同学可以深入探讨一下。头疼的同学，可以直接调用这个的公式。

+ When the model 1 always predicts 0.9, the regular loss is 2.6187
- When the model 2 always predicts 0.1, the regular loss is 7.0131

我们这里遇到了类别不平衡，例子中有3个阳性，1个阴性。当预测值始终为0.1时比始终为0.9，损失函数会产生更大的loss值（model2的结果），因为数据是不平衡的。

当类不平衡具有更多正标签时，正则损失函数意味着预测值高达0.9的模型比预测值低达0.1的模型表现更好

• 设置类别权重

因此，为了解决这个问题，我们需要给不同的类别不同的权重。

$w_p=1/4$
$w_n=3/4$

由图可见，两个model的loss一样，由于您使用了加权损失，因此无论模型始终预测 0.9 还是始终预测 0.1，计算出的损失都相同。

是不是很神奇。虽然加权损失很简单，初学者都听过。但是仔细去了解其中的原理，亲自实践，你会掌握的更牢靠。

思考：我们这里只计算了一个类别的loss, 当有多个类别时应该怎么计算呢？

感兴趣的朋友，自行查看代码，这里及不介绍了~~

欢迎继续阅读下一次内容~~

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连