基于深度学习的眼表疾病图像识别与分类方法研究综述

基于深度学习的眼表疾病图像识别与分类方法研究综述眼表疾病是一类影响角膜、结膜、眼睑等眼表组织结构的疾病总称，常见类型包括干眼症、结膜炎、角膜炎、翼状胬肉、睑板腺功能障碍等，这类疾病不仅会导致患者出现眼部异物感、烧灼感、视力下降等不适症状，严重时还可能造成不可逆的视觉损伤，是全球范围内视力损害的主要原因之一。传统的眼表疾病诊断高度依赖眼科医生的临床经验，需要通过裂隙灯检查、泪膜破裂时间检测、角膜荧光素染色等有创或半有创手段获取信息，诊断效率受医生经验水平、医疗资源分布的影响较大，在基层医疗机构和偏远地区容易出现漏诊、误诊问题。随着医学影像技术的快速发展，眼前节照相、共聚焦显微镜、光学相干断层扫描（OCT）等设备能够获取高分辨率的眼表图像，为眼表疾病的无创诊断提供了数据基础，而深度学习技术在计算机视觉领域的突破，为实现眼表疾病的自动化、智能化识别与分类提供了可行路径。一、眼表疾病图像数据集构建与预处理技术数据集是深度学习模型训练的基础，高质量标注的眼表图像数据集是模型实现精准识别的前提。当前眼表疾病图像数据集主要分为公开数据集和医疗机构自建数据集两类：公开数据集方面，代表性的包括新加坡国立大学发布的SS-OSID数据集，包含12000张裂隙灯图像，覆盖8种常见眼表疾病，标注了疾病类型、病变位置、严重程度等信息；国内中山大学中山眼科中心发布的OSD-China数据集，包含15000张不同人种、不同年龄阶段的眼表图像，重点补充了干眼症、病毒性角膜炎等东亚人群高发疾病的样本。自建数据集通常由医疗机构联合科研团队构建，样本量从数千到数万不等，优势是能够结合特定临床需求标注更精细化的特征，例如睑板腺形态、角膜新生血管长度等，但普遍存在数据标准化程度低、跨中心兼容性差的问题。数据预处理是提升模型泛化能力的关键环节，针对眼表图像的特殊性，预处理技术主要包括以下几个方向：图像质量增强：眼表图像在采集过程中容易受到患者眨眼、眼球运动、光照不均等因素影响，出现模糊、反光、伪影等问题。研究者通常采用Retinex算法去除光照不均，使用生成对抗网络（GAN）进行盲去模糊，通过自适应直方图均衡化提升病变区域对比度，部分研究还引入了多模态图像融合技术，将裂隙灯图像与角膜地形图、OCT图像进行配准融合，丰富特征维度。感兴趣区域（ROI）分割：眼表图像中往往包含眼睑、睫毛、虹膜等冗余区域，会干扰模型对病变特征的提取。早期研究采用传统的阈值分割、边缘检测算法定位角膜、结膜区域，近年基于U-Net的改进分割网络成为主流，例如引入注意力机制的AttentionU-Net能够精准分割角膜溃疡、翼状胬肉等不规则病变区域，平均交并比（mIoU）可达94%以上。数据标注与扩增：眼表疾病的标注需要专业眼科医生参与，标注成本高、周期长，因此弱监督学习、半监督学习标注方法被广泛应用，例如通过图像级标签辅助定位病变区域，降低像素级标注的工作量。数据扩增方面，除了传统的随机裁剪、旋转、翻转、颜色抖动等操作，研究者还开发了针对眼表结构的扩增策略，例如模拟不同程度的结膜充血、角膜点状染色等病理特征，在不改变疾病本质的前提下扩充样本多样性，解决部分罕见疾病样本量不足的问题。二、基于卷积神经网络的眼表疾病识别分类方法卷积神经网络（CNN）凭借强大的局部特征提取能力，是当前眼表疾病识别领域应用最广泛的深度学习模型，相关研究主要分为通用CNN模型改进和专用轻量级模型开发两个方向。在通用CNN模型改进方面，研究者通常在ResNet、DenseNet、EfficientNet等经典backbone基础上，针对眼表疾病的特征特点进行适配性调整：多尺度特征融合：眼表病变的尺寸差异极大，小到直径不足1mm的角膜点状浸润，大到覆盖整个角膜的溃疡病灶，单尺度特征提取难以覆盖所有病变类型。因此研究者提出在CNN中引入特征金字塔网络（FPN），融合低层的纹理细节特征和高层的语义特征，例如基于ResNet-50改进的MF-Net模型，通过融合不同层级的特征图，对角膜病变的识别准确率比基础模型提升了6.2%，对直径小于2mm的微小病灶识别敏感度提升了11.7%。注意力机制嵌入：为了让模型重点关注病变区域，抑制无关背景信息的干扰，注意力机制被广泛引入眼表疾病识别模型。其中通道注意力模块能够自动学习不同特征通道的权重，突出病变相关的特征通道；空间注意力模块能够定位病变的空间位置，增强病变区域的特征响应。例如结合CBAM注意力模块的EfficientNet-B4模型，在10种眼表疾病的分类任务中Top-1准确率达到92.3%，比未加入注意力机制的模型提升了4.5%，模型的可解释性也显著增强，通过注意力热力图可以直观看到模型的决策依据与医生标注的病变区域高度重合。任务联合学习：临床诊断中眼表疾病的类型、严重程度、病变位置往往是关联的，单一的分类任务无法满足临床需求。因此研究者提出多任务联合学习框架，用同一个模型同时完成疾病分类、严重程度分级、病变区域分割三个任务，通过任务间的特征共享提升整体性能。例如某研究提出的MT-OSDNet模型，在分类任务中引入分割任务的特征作为辅助信息，对干眼症严重程度分级的准确率达到89.1%，比单任务模型提升了7.3%，同时还能输出病变区域的分割结果，为临床诊断提供更全面的参考。针对移动医疗设备、基层筛查场景对模型轻量化的需求，大量研究聚焦于专用轻量级CNN模型的开发：通过深度可分离卷积、通道剪枝、知识蒸馏等技术压缩模型体积，降低计算量。例如某团队开发的OSD-MobileNet模型，参数量仅为2.3M，在普通智能手机CPU上单张图像推理时间不足30ms，分类准确率达到88.7%，能够满足基层大规模筛查的实时性需求。目前这类轻量级模型已经开始在部分地区的社区眼健康筛查项目中落地应用，通过手机端的裂隙灯适配器采集图像，即可快速完成常见眼表疾病的初步筛查。三、基于Transformer及多模态学习的眼表疾病识别方法随着Transformer技术在计算机视觉领域的快速发展，其长距离依赖建模能力为眼表疾病识别提供了新的技术路径，相关研究主要集中在视觉Transformer（ViT）及多模态Transformer两个方向。ViT模型通过将图像划分为多个patch，利用自注意力机制建模不同patch之间的依赖关系，能够更好地捕捉眼表病变的全局分布特征，尤其适合评估弥漫性病变的严重程度。例如针对干眼症患者的结膜充血、角膜点状染色等弥漫性病变，传统CNN模型容易受局部病灶影响，无法准确评估整体严重程度，而基于ViT改进的OSD-ViT模型，通过建模整个角膜区域的特征关联，对干眼症严重程度分级的准确率达到90.4%，比CNN模型提升了5.8%。针对ViT模型需要大量训练数据的问题，研究者通常采用预训练+微调的策略，先用大规模自然图像数据集进行预训练，再用眼表图像数据集进行微调，或者采用CNN-Transformer混合架构，用CNN提取局部特征，用Transformer建模全局特征，在小样本数据集上也能取得较好的效果。多模态学习是当前眼表疾病识别领域的研究热点，临床诊断中医生通常需要结合多种类型的检查信息进行综合判断，单一模态的图像信息不足以支撑复杂疾病的诊断。因此研究者开始探索融合图像、临床文本、检验指标等多模态信息的识别方法：图像与临床文本融合：通过BERT等预训练语言模型提取患者的主诉、病史、症状描述等文本特征，与图像特征进行融合，例如某研究提出的多模态融合模型，融合裂隙灯图像特征和患者的年龄、性别、症状持续时间、眼部既往史等文本信息，对病毒性角膜炎和细菌性角膜炎的鉴别诊断准确率达到93.2%，比仅使用图像的模型提升了8.1%，有效解决了两类疾病图像特征相似、易混淆的问题。多模态图像融合：融合裂隙灯图像、共聚焦显微镜图像、OCT图像等不同模态的医学图像，利用不同成像方式的互补信息提升诊断准确率。例如针对角膜营养不良的分类任务，融合裂隙灯图像的宏观形态特征和共聚焦显微镜的细胞级微观特征，分类准确率比单一模态提升了10.3%，能够准确区分不同亚型的角膜营养不良，为个性化治疗方案制定提供依据。跨模态对齐与交互：最新的研究开始探索基于多模态Transformer的跨模态交互机制，通过交叉注意力模块实现图像特征和文本特征的双向交互，而不是简单的特征拼接，能够更好地建模不同模态信息之间的关联，例如当文本中提到“畏光、流泪3天”时，模型会自动重点关注图像中角膜上皮缺损的区域，进一步提升复杂病例的诊断准确性。四、模型可解释性与临床落地挑战尽管深度学习模型在眼表疾病识别任务中已经取得了接近甚至超过专科医生的表现，但在临床落地过程中仍然面临诸多挑战，其中最突出的是模型的可解释性问题和泛化性问题。深度学习模型的“黑箱”特性是阻碍其临床应用的主要障碍，医生无法理解模型的决策依据，就很难信任模型的输出结果。当前提升模型可解释性的方法主要分为三类：基于可视化的方法：通过类激活映射（CAM）、梯度加权类激活映射（Grad-CAM）等技术生成热力图，展示模型决策所关注的区域，验证模型是否真正关注到了病变区域，而不是受无关背景信息的干扰。部分最新研究还可以生成像素级的特征重要性图，标注出哪些像素点对最终分类结果的贡献最大，帮助医生理解模型的判断逻辑。基于规则的方法：将临床诊断规则嵌入模型的决策过程，例如在模型中加入符合眼科临床指南的判定规则，当模型输出结果与规则冲突时触发人工复核，同时模型的决策过程可以转换为符合临床思维的规则描述，例如“该病例被分类为细菌性角膜炎，依据是存在角膜溃疡病灶、前房积脓、结膜重度充血三个特征”，便于医生理解和验证。因果推断方法：通过因果推断技术消除数据中的混杂因素影响，例如数据集中女性干眼症患者比例更高，模型可能会错误地将“性别”作为判断干眼症的重要依据，通过因果干预可以去除这类虚假关联，让模型真正基于病变特征做出决策，提升模型的可靠性和公平性。模型的泛化性是另一个核心挑战，不同医疗机构的图像采集设备参数不同、患者人群不同、疾病谱不同，导致在一个数据集上训练的模型往往难以直接应用到其他机构。当前解决泛化性问题的主要路径包括：联邦学习：在不共享原始医疗数据的前提下，多个医疗机构联合训练模型，充分利用不同机构的数据多样性，避免数据孤岛问题。目前国内已有多个区域级的眼表疾病联邦学习平台投入建设，覆盖数十家医疗机构，训练出的模型跨中心测试准确率比单中心训练模型平均提升了8%以上。领域自适应：通过无监督域自适应、少样本域自适应等技术，将在源域训练好的模型适配到目标域，只需要少量目标域的标注数据甚至不需要标注数据，就能让模型在目标域上取得较好的表现，大幅降低模型在新机构落地的适配成本。标准化数据采集协议：制定统一的眼表图像采集标准，对图像的光照条件、拍摄角度、分辨率等参数做出明确规定，从数据源头降低不同机构之间的数据分布差异，是提升模型泛化性的基础。目前国际眼科学会已经启动相关标准的制定工作，预计2027年将发布第一版眼表图像采集与标注规范