这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
基于无卷积深度学习（Vision Transformer）的眼底图像青光眼检测研究
作者及机构
本研究由Rui Fan（同济大学控制科学与工程系）、Kamran Alipour（加州大学圣地亚哥分校计算机科学与工程系）、Christopher Bowd（加州大学圣地亚哥分校Hamilton青光眼中心）等来自美国加州大学圣地亚哥分校、阿拉巴马大学伯明翰分校、哥伦比亚大学医学中心等多机构团队合作完成，发表于2023年《Ophthalmology Science》第3卷第1期。
研究领域与动机
原发性开角型青光眼（Primary Open-Angle Glaucoma, POAG）是全球不可逆性视力丧失的主因之一，早期诊断依赖眼底图像分析。传统卷积神经网络（Convolutional Neural Networks, CNNs）在跨数据集泛化性上存在局限，而基于自注意力机制（Self-Attention）的Vision Transformer（ViT）在自然语言处理中表现优异，但其在医学图像（尤其是青光眼检测）中的应用尚未充分探索。本研究旨在比较ViT衍生模型Data-efficient Image Transformer（DeiT）与经典CNN模型ResNet-50在青光眼诊断中的准确性、泛化性和可解释性。
科学问题
1. CNN模型因依赖局部像素关联，易受数据集间相机参数、人群差异（如种族、年龄）影响；
2. ViT通过全局注意力机制可能捕捉更稳定的病理特征，但需验证其在有限医学数据下的表现；
3. 现有AI模型缺乏临床可解释性，需明确其决策依据是否与医生关注的视神经盘（Optic Disc）结构一致。
1. 数据准备与标注
- 数据集：
- 主数据集：Ocular Hypertension Treatment Study（OHTS）的66,715张眼底图像（1,636名参与者），包含5类POAG标注（终末点委员会基于视盘/视野变化的判定，及阅读中心的独立判定）。
- 外部验证集：5个独立数据集（DIGS/ADAGES、ACRIMA、LAG、RIM-ONE、ORIGA），共16,137张图像，覆盖中国、西班牙、非洲等多人群。
- 预处理：
使用语义分割网络提取视神经盘区域，裁剪为224×224像素，并通过旋转、平移等增强数据多样性。
2. 模型构建与训练
- DeiT模型：
- 采用无卷积架构，将图像分割为16×16像素块，通过线性投影嵌入位置信息；
- 引入“蒸馏令牌”（Distillation Token）机制，利用教师模型（ResNet-50）指导训练，解决小样本问题。
- ResNet-50对比模型：
作为基准CNN模型，使用相同预处理和训练策略（随机梯度下降优化，早停法防止过拟合）。
- 训练设置：
在NVIDIA GeForce RTX 2080Ti上运行，批量大小40（DeiT）和110（ResNet-50），初始学习率0.001。
3. 性能评估
- 指标：
受试者工作特征曲线下面积（AUROC）、固定特异性下的灵敏度（80%-95%）。
- 可解释性分析：
对比DeiT的注意力图与ResNet-50的梯度加权类激活图（Grad-CAM），定位模型决策关键区域。
1. 诊断准确性
- OHTS测试集：
DeiT与ResNet-50表现相当（AUROC 0.82-0.91），例如终末点委员会综合判定（Model 3）的AUROC均为0.88。
- 外部数据集：
DeiT显著优于ResNet-50，AUROC提升0.08-0.20（如LAG数据集Model 4的AUROC：DeiT 0.91 vs. ResNet-50 0.74）。
2. 可解释性
- DeiT注意力图：
聚焦于视神经盘边缘（Neuroretinal Rim），与临床医生关注的病理区域一致；
- ResNet-50激活图：
呈现弥散性分布，集中于图像中心，缺乏病理特异性。
3. 早期青光眼检测
在视野平均偏差≥6 dB的早期病例中，DeiT保持稳定性能（AUROC 0.87），而ResNet-50下降明显（AUROC 0.79）。
科学意义
1. 泛化性突破：DeiT通过全局注意力机制减少数据集偏差，为跨人群青光眼筛查提供可靠工具；
2. 临床可解释性：模型决策依据与医生经验吻合，增强AI在医疗中的可信度；
3. 方法论创新：首次将蒸馏式ViT应用于眼科图像，为小样本医学AI研究提供新范式。
应用前景
本研究可推广至其他依赖影像诊断的疾病（如糖尿病视网膜病变），且模型开源（GitHub: visres-ucsd/vision-transformer）促进社区协作。
局限性
研究未纳入周边视网膜信息，且数据增强可能引入无关变异，未来需结合多模态影像（如OCT）进一步提升性能。