ODIR2019——北京大学“智慧之眼”国际眼底图像智能识别竞赛

今天将分享眼底疾病8分类完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、ODIR2019介绍

医疗一直是人工智能研究最为热门的领域之一。随着近几年人工智能技术的飞速发展，如何将最先进的技术有效的应用于临床领域，获得了更多的关注。数据、算法、计算力、专业性四大要素促进着医疗人工智能的发展。由北京大学主办、北京大学健康医疗大数据国家研究院和北京大学人工智能研究院承办 、上工医信和北京大学信息技术高等研究院协办的“北京大学国际眼底图像智能识别竞赛 ”，是国内首次面向国际举办的眼科疾病智能识别竞赛。上工医信将为参赛者提供5000组包含患者的性别、年龄、双眼彩色眼底照片和医生的诊断关键词等的结构化脱敏后眼科的数据集。该数据集来自于在合作医院及医疗机构进行眼健康检查的患者们。基于这个数据集，参赛者将会有一个现实的临床环境中进行眼科疾病识别比赛。本次比赛旨在为有志于医疗人工智能产品开发的潜在人才提供一个同台竞技的机会，并从中发现和选拔优秀的创新型人才，促进我国医疗人工智能在视网膜图像分析领域的应用。

在眼科中，眼底筛查是一种经济有效的方法，可以尽早预防因糖尿病，青光眼，白内障，年龄相关性黄斑变性和许多其他原因引起的失明。上图展示了与正常视力相比，具有五种对应疾病的模拟视觉状况。早期发现常见的眼部疾病是非常困难的，因为在疾病的早期阶段很少见到症状。例如，患有较长期糖尿病的人发展为糖尿病视网膜病变和糖尿病性黄斑水肿的机会较高。糖尿病眼病的早期征兆是微动脉瘤，其微小且难以检测。黄斑保证人的中心视力。黄斑积液会扭曲视力。老年人黄斑功能退化在早期没有症状。白内障也常见于老年人。它会降低人类的视力。青光眼是指一组导致视神经乳头受损的疾病，这是不可逆转的。此外，高血压会改变血管的形态结构，例如，直径变化和曲折改变。它可以产生心脑血管疾病，如中风和心脏病。最后，由于进行性视网膜色素上皮变薄和衰减，视力丧失在近视人群中也具有高风险。早期发现这些疾病可以预防视力损害和其他问题。

该竞赛的目的是开发自动眼病分类方法。左眼和右眼的彩色眼底图像作为输入（可以使用提供的其他信息，如患者的年龄、性别等），眼部疾病分类的目标是将患者分为八个类别，包括正常，糖尿病，青光眼，白内障，年龄相关性黄斑变性，高血压，近视和其他疾病/异常。

二、ODIR2019任务

该竞赛的目的是比较基于彩色眼底图像进行眼科疾病分类的不同方法。参与者必须提交所有测试数据集的八个类别的分类结果。对于每个类别，分类概率（值从0.0到1.0）表示患者被诊断为具有相应类别的可能性/风险。

结果提交只接受CSV文件格式（名为[{Team Name}_{ODIR} .csv], 示例文件名：“XYZ_ODIR.csv”）。它必须有一个标题栏（其中ID表示患者的ID，和数据库的患者ID一一对应），形式如下：

对提交结果用三个指标进行评分：kappa分数, F-1分数和AUC面积。阈值是0.5。最终得分是上述指标的平均值。

三、ODIR2019数据集

收集了一个结构化的眼科数据库，包括5,000名患者的年龄，双眼的彩色眼底照片和医生的诊断关键词（ODIR-5K）。该数据集是上工医疗技术有限公司从中国不同医院/医疗中心收集的“真实”患者信息。在这些机构中，眼底图像由市场上的各种相机捕获，例如Canon，Zeiss和Kowa，因此导致各种各样的图像分辨率。病人的识别信息会被移除。注释由经过培训的人类读者进行标记，并具有质量控制管理。他们将患者分为8个标签，包括正常（N），糖尿病（D），青光眼（G），白内障（C），AMD（A），高血压（H），近视（M）和其他疾病/异常（O）。该数据集的发布遵循中国的道德和隐私规则。表1显示了来自ODIR-5K数据集的一条记录。【注意: 在测试集中，不会提供诊断关键词。】

提供的的5,000名病人数据，分为训练，非现场测试和现场测试子集。接近近4,000个病例用于训练阶段，而其他病例则用于测试阶段（场外和现场）。 表2展示在不同竞赛阶段的图像标签分布情况。【注意：同一个病人可能有一个或者多个标签。】

四、技术路线

1、数据分析：输入是每个患者的左右眼，输出是8类眼底疾病类别的概率值，所以需要对左右眼底图像分别进行特征提取，然后将提取的特征进行拼接融合，最后进行分类给出每类的预测概率值。

2、对图像进行缩放固定到512x512大小，再采用均值为0，方差为1进行归一化，将数据按照80%和20%比例分成训练集和验证集。

3、搭建双路ResNet2d网络提取左右眼的特征，使用AdamW优化器，学习率是0.0001，batchsize是32，epoch是1000，损失函数采用二值交叉熵。

4、训练结果和验证结果

5、测试集分类结果