基于深度遷移學習的前列腺癌細胞分類

唐李文, 曹依琳, 汪雅莉, 平斯羽, 胡文靜, 趙 林

(湖南理工學院 信息科學與工程學院, 湖南 岳陽 414006;湖南理工學院 機器視覺及人工智能研究中心, 湖南 岳陽 414006)

0 引言

癌癥是全世界第二大死亡原因, 其發病率每年都在提高, 其中前列腺癌是男性群體發病率增長最快的癌癥.有數據表明, 2018年歐洲男性發病率最高的癌癥部位為前列腺, 發病率為21.8%, 并且其死亡率為10%[1].雖然我國男性前列腺癌發病率低于歐洲國家, 但是近年來具有明顯上升的趨勢.同時前列腺癌會對患者造成阻礙排尿、損害器官等傷害.由此可見, 前列腺癌是嚴重危害男性健康的一種疾病.在前列腺癌的早期, 由于腫瘤局限, 大多數前列腺病人無明顯癥狀.目前只有前列腺特異抗原法、直腸指診法、經直腸超聲法、前列腺穿刺活檢法等檢測方法[2], 但是以上方法存在準確性較低、耗時費力、需要特殊標記等問題.因此, 臨床醫學上迫切需要一種準確高效的前列腺疾病早期診斷新方法.

近年來, 光散射技術已逐漸成為生物分析和醫學診斷的有效方法之一.由于細胞當中的各細胞器對光的折射率不同, 所以光透過細胞時會發生散射, 散射光隱含了細胞的空間結構信息.當細胞發生病變時,其內部細胞結構也會發生變化, 因此病變細胞與正常細胞的光散射圖像也會有所差異[3].宛棟[4]等將非偏振激光射入人宮頸癌細胞后獲取光散射分布信息, 對其分析得知, 不同時期細胞核中的DNA 含量導致細胞的光散射特性不同.該研究為光散射技術在生物醫學領域的應用提供了重要的理論基礎.喬向彬[5]等在手術前采用超聲光散射成像技術獲得乳腺癌細胞光散射成像參數, 并整理了術后確診的乳腺癌患者信息,采用回顧性分析法對其進行分析, 證明了使用光散射成像技術是一種評估乳腺癌病情的有效方法.葉坤濤[6]等建立了不同形態紅細胞的光學模型, 通過T 矩陣散射理論分析了異常形態紅細胞的散射特性.該方法對紅細胞的無損檢測和病況分析具有一定指導意義.

上述方法表明生物醫學領域中已廣泛采用光散射圖像, 但在使用過程中仍需要人工分析特征.卷積神經網絡作為深度學習中極具代表性的方法之一, 由于其強大的特征提取能力, 已經在圖像分析和處理領域取得了廣泛應用[7,8].李希[9]等提出一種基于生成對抗網絡的浮選加藥過程建模方法, 通過提取泡沫圖像深層特征模擬生成加藥后的泡沫, 并與實際工業加藥泡沫變化情況對比, 證明了該方法可以準確還原實際加藥過程中的泡沫變化情況, 對礦物浮選自動加藥具有指導意義.易嘉聞[10]等通過采用注意力機制對不同光譜波段進行加權, 并在PaviaU 和Salinas 數據集進行了分類實驗, 較其他深度學習加權方法具有更佳的分類性能.楊勃[11]等提出了一種基于生成模型的圖像風格遷移系統, 該方法通過VGG19 網絡對圖像進行特征提取并遷移, 可以精確、高效地完成風格遷移.但以上方法都是基于圖片數量較多的數據集進行試驗, 沒有考慮實際問題中少樣本數據集的情況.

本研究首先采用正交偏振衍射成像流式細胞儀系統, 使用線性偏振激光束照射細胞并發生散射, 最后經相機收集得到細胞的偏振衍射圖像.根據光散射理論, 由于散射光的光強分布與細胞結構的折射率高度相關, 所以衍射圖像隱含了豐富的細胞空間結構信息.但由于實驗中前列腺細胞數據不易獲取, 獲得的衍射圖像數量較少, 因此, 本文提出一種基于遷移學習和卷積神經網絡的前列腺細胞識別方法, 先在其他數據量豐富的癌細胞衍射圖像上訓練擬合程度良好的網絡模型, 然后在前列腺細胞衍射圖像基礎上進行微調, 實現卷積神經網絡對少樣本前列腺細胞數據的準確分類.

1 細胞衍射成像

1.1 細胞樣品的制備

實驗中采用的細胞是由采自于人體的脾臟組織培養而來, PC3 為前列腺癌細胞, PCS 為正常前列腺細胞.由于PC3 和PCS都來源于前列腺組織的上皮細胞, 為了維持其活性, 將其放置于添加了10%胎牛血清的RPMI-1640 培養液中進行培養.在活力良好的細胞生長對數期使用胰蛋白酶-EDTA 溶液分離貼壁細胞,形成用來衍射成像的細胞懸浮樣品.

1.2 衍射成像系統

實驗中所使用的細胞衍射成像流式細胞儀實驗系統如圖1 所示.成像過程中首先使用電機將細胞懸浮樣品作為核心流體推入流體室, 并使其勻速流動.再使用532 nm 波長的線性偏振激光束作為入射光,通過聚焦鏡將激光束聚焦到流體室中的細胞上.由于細胞內各細胞器及細胞質的折射率不同, 激光透過細胞時會發生散射, 散射光由顯微物鏡收集并經分光鏡分為光方向互相垂直的兩束散射光.最后這兩束散射光分別在兩個CCD 相機上成像, 并將兩幅圖像和一張同等大小像素全0 的圖片分別作為單通道的圖片進行疊加, 構成一張RGB 細胞衍射圖像.

圖1 細胞衍射成像系統

2 基于遷移學習的前列腺癌細胞分類網絡

2.1 遷移學習

監督學習往往需要大量的已標注數據, 但數據標注需要花費大量的人力與時間.為了解決少數據量、少標注的問題, 遷移學習[12]作為機器學習的一個新分支應景而生, 并在計算機視覺、文本分類、行為識別等方面起到了重要的作用.遷移學習的主要思想就是利用數據、任務、模型等之間的相似性, 將在舊領域學習過的知識應用于新領域.遷移學習主要有基于樣本、基于特征、基于模型和基于關系四種學習方法.

卷積神經網絡主要使用基于模型的遷移, 利用源域數據與目標域數據中可以共享模型的參數來訓練網絡參數.在分類任務上的具體過程為: 首先在具有一定相似性且圖片數量充足的數據集上訓練好一個神經網絡模型, 其次根據任務的不同修改網絡模型結構, 最后凍結淺層網絡模型參數, 在圖片數量少的數據集上使用更低的學習率等參數重新訓練來達到理想的實驗結果, 主要流程如圖2 所示.

圖2 遷移學習流程

2.2 網絡結構

與標準的RGB 數據集相比, 細胞偏振衍射圖像是通過相干散射光光強分布反應細胞的空間結構, 圖像的信息不如RGB 圖像復雜, 所以本文使用較淺的網絡結構.目前, DINet[13]已在細胞偏振衍射圖像分類上取得了較好的成果.為了充分利用各層網絡提取到的特征, 本文采用了殘差塊[14]來替換DINet 的中間兩個卷積層, 記為細胞殘差卷積神經網絡(Cell Residual Convolutional Neural Networks, CR-CNN).為了避免網絡過擬合以及加速網絡收斂, 實驗中在第一層卷積和殘差塊中的卷積后面添加了批規范化層, 并在全連接層后添加了Dropout 操作.本文所使用的CR-CNN 網絡結構如圖3 所示.

圖3 CR-CNN 的網絡結構

CR-CNN 網絡中主要使用到了均值池化層、最大值池化層、卷積層、全連接層等網絡結構, 其結構參數設置見表1.

表1 網絡層參數

2.3 損失函數

實驗中, 通過構建經全連接層輸出的分類概率與輸入圖像的真實標簽之間的交叉熵函數作為網絡的目標函數:

其中pk(X)是輸入細胞衍射圖像X后經網絡得到的分成k類的概率分布; 當X的標簽Y為k時,yk的值為1, 否則為0.網絡預測的概率分布與真實分布越相似時, 交叉熵函數值越小, 所以在網絡訓練過程中以最小化其值為目標更新網絡模型參數.

2.4 評價指標

實驗中, 采用準確率(Accuracy)作為評價指標來評估網絡的分類性能.準確率是分類任務中最常見的指標, 指的是預測正確的樣本占樣本總數的比例, 用來評價全局的預測分類效果, 其計算公式為

其中T為所有分類正確的圖片數,F為所有分類錯誤的圖片數.

3 實驗與分析

3.1 數據集劃分

本實驗采用五類細胞株偏振衍射圖像數據集, 分別為前列腺癌細胞(PC3)、正常前列腺上皮細胞(PCS)、人體淋巴癌的T細胞(Jurkat)、人體淋巴癌的B細胞(Ramos)和乳腺癌組織的上皮細胞(MCF-7), 總共有4450張細胞衍射圖像.其中Jurkat、Ramos 和MCF-7 三類細胞圖片較多, 共有3935 張圖片, 將其作為源域數據集.而前列腺細胞圖片較少, 只有515 張圖片, 使用遷移三類細胞分類的網絡參數來進行學習.為了減小實驗結果的偶然性, 在實驗中采用五折交叉驗證法, 將細胞圖片平均分成五份數據集.在五折交叉驗證實驗中保證每份數據都被當作過測試集來計算網絡的分類效果, 以保證實驗結果的可靠性.數據集分組情況見表2.

表2 衍射圖像分組

3.2 實驗環境及參數配置

本實驗采用的設備為Intel(R) Core(TM) i9-10900X CPU @ 3.70GHz, 操作系統為Windows 10, 操作環境為Python 3.7.6.基于CR-CNN 網絡的細胞衍射圖像分類實驗中, 模型訓練迭代次數為60, 學習率初始化為0.01, 且隨著訓練次數的增加而減小, 在模型訓練迭代至20 和40 次時學習率減小為當前值的10%.優化器選擇SGD, 動量設置為0.9, 權重衰減為 5 × 1 0-4.

3.3 實驗結果

實驗中首先使用CR-CNN 對三類細胞數據集進行訓練和測試, 五折交叉驗證法所得的分類準確率見表3.

由表3 可以看出, CR-CNN 對三類細胞衍射圖像具有較強的學習能力, 可以有效地提取衍射圖像的特征信息, 平均分類準確率達到99.80%.所以本實驗保存了CR-CNN 在三類細胞數據上訓練完成的模型參數作為源域模型以供對前列腺細胞數據遷移學習使用.本文進行了微調源域模型中不同網絡層參數的四組實驗, 分類準確率見表4.

表3 三類細胞分類準確率

由表4 可知, 使用四種方案得到了不同的分類效果, 其中微調FC + Conv2 + ResidualBlock2 網絡層的參數在前列腺細胞數據上分類的準確率達到96.190%, 比不使用遷移學習高出近8 個百分點,為最佳方案.為了驗證網絡模型的收斂情況, 實驗中在每輪迭代訓練結束時將損失值記錄下來并繪制成折線圖, 如圖4 所示.

表4 遷移學習前列腺分類準確率

由圖4 可看出, 隨著迭代次數的增加, 在0～40代期間, 損失值快速下降, 并在第40 代之后趨于穩定, 這表示網絡已經處于收斂狀態, 整個網絡訓練過程約18 min.綜上可知, 本文提出的基于遷移學習的CR-CNN 前列腺細胞分類方法具有效率高、分類準確的優點.

圖4 損失值變化

3.4 實驗對比

本文同時將基于遷移學習的CR-CNN 分類結果與ResNet18、ResNet50、Alexnet、DINet 進行對比, 不同模型的分類準確率對比結果見表5.

由表5 可知, 基于遷移學習的CR-CNN 對少樣本量的前列腺細胞數據集具有良好的學習能力, 分類準確率明顯高于其他方法.在前列腺篩查的臨床診斷上, 可以更有效地識別出前列腺癌, 減少誤診情況的發生, 在醫學領域具有較好的應用價值.

表5 不同方法分類準確率對比

4 結束語

本文針對傳統前列腺細胞識別方法存在的需要熒光標記、染色處理且效率低、需手動操作等問題, 采用正交偏振衍射成像流式細胞儀系統獲得前列腺細胞衍射圖像, 并提出一種基于遷移學習的細胞殘差卷積神經網絡, 對少樣本的前列腺細胞衍射圖像進行特征學習, 在只有515 張圖片的情況下進行了分類實驗.實驗結果表明, 該方法可以有效地解決深度學習中數據量少的問題, 實現了對前列腺細胞的準確識別, 分類準確率達到了96.190%, 是一種高效準確的免標記前列腺細胞分類方法, 對生物醫學和臨床前列腺癌診斷具有重要意義.