图像预处理与优化器敏感性：卷积神经网络在脑肿瘤诊断中的应用影响

摘要

本研究采用受控框架，在固定架构内评估预处理流程和优化器，旨在确定经典预处理方法如何影响脑肿瘤分类中的优化器和卷积神经网络（CNN）。

摘要

利用磁共振成像（MRI）进行脑肿瘤分类面临诸多挑战，原因在于肿瘤的大小、形状和纹理存在显著差异。尽管传统图像预处理方法常被用于提升输入图像质量，但其对优化器行为及卷积神经网络（CNN）性能的影响尚未得到系统研究。本研究探讨了不同预处理方法对多种优化器在收敛性、泛化能力及分类准确率方面的影响。我们采用一个公开的Kaggle数据集构建了两种预处理流程：一种为基线流程，仅对图像进行尺寸调整；另一种为传统流程，将图像转换为灰度图、进行模糊处理并应用形态学滤波。随后，评估这两种流程对三种优化器——Adam、均方根传播（RMSProp）和随机梯度下降（SGD）——的影响。为分离协议变量，实验全程采用固定的CNN架构。通过五折交叉验证，使用准确率、精确率、召回率和F1分数对模型性能进行评估。结果表明，基线预处理在所有优化器下均表现出更高的准确率和更稳定的收敛性，其中RMSProp和SGD在五折交叉验证中达到最高的平均准确率99.53%。本研究揭示了预处理对优化器性能这一尚未充分研究的影响因素，强调在医学图像分析中需采用考虑预处理影响的训练策略，以提升模型的鲁棒性与可解释性。

引言

利用磁共振成像（MRI）对脑肿瘤进行分类是神经肿瘤学中的一项关键任务，早期且准确的诊断直接影响治疗方案的制定和患者的预后¹。卷积神经网络（CNN）因其能够直接从原始图像数据中学习分层的空间和纹理特征，已成为自动化该过程的主流方法²。然而，输入数据的质量仍是决定模型性能的关键因素。经典的预处理技术——如灰度转换、高斯模糊、阈值分割和形态学操作——通常被用于降低噪声并突出结构边界^3,4,5。Gangadharan 等人对用于脑肿瘤预测的深度学习模型进行了比较分析，强调了不同网络架构之间性能的差异性以及数据集特征对结果的重要影响⁶。Qureshi 等人提出了一种超轻量级的卷积神经网络，用于多类别肿瘤检测，在不牺牲诊断准确性的前提下，强调了计算效率和实时应用能力⁷。进一步超越结构成像，Qureshi 等人探索了基于多参数 MRI 扫描融合多组学特征的放射基因组学分类方法，用于预测甲基鸟嘌呤-DNA 甲基转移酶（MGMT）启动子甲基化状态，展示了整合多模态数据在无创肿瘤表征中的潜力⁸。尽管这些预处理方法被广泛使用，但它们对 CNN 训练动态、优化器行为以及模型可解释性的下游影响仍缺乏深入研究。

近年来，脑肿瘤分类的研究进展主要集中在结构复杂性、分割-分类混合方法以及迁移学习方面。例如，MultiFeNet 采用多尺度特征融合以增强空间表征⁹，而集成模型和三维卷积神经网络（3D CNN）虽然具有较高的保真度，但计算开销也随之增加^10,11。近期关于混合方法的研究，如小波变换结合支持向量机（SVM）以及基于细胞自动机的边缘检测，通常需要手工设计特征或进行多阶段处理^12,13。针对不平衡数据集的比较研究表明，实现各类别间的泛化能力仍面临挑战¹⁴。利用预训练网络（如 VGG 和 ResNet）的迁移学习方法在 MRI 分类中已展现出良好前景^15,16,17；然而，这些方法通常将预处理视为固定的前置步骤。现有模型很少单独分析输入变换如何影响优化器的收敛过程或语义信息的保留。

一些关注预处理意识的研究已开始揭示这一差距。Ivanescu 等人证明，过度滤波会降低卷积神经网络（CNN）对细微肿瘤模式的敏感性³。Vu 等人表明，灰度转换和图像重缩放可能丢弃上下文信息，从而影响诊断准确性⁴。Hooper 等人揭示了上游计算机断层扫描（CT）滤波会引发性能波动，突显了 CNN 对领域偏移的脆弱性⁵。Kundu 等人提出了基于高斯的强度变换方法以改善分割效果¹⁸；然而，他们并未评估优化器的敏感性。与此同时，Asiri 等人和 Aamir 等人针对脑肿瘤检测优化了 CNN 超参数^16,17，注意到 Adam 优化器表现更优，但未分析其对预处理变化的响应方式。诸如梯度加权类激活映射（Grad-CAM）和SHapley加性解释（SHAP）等可解释性工具通过可视化类别判别区域，推动了我们对 CNN 决策机制的理解^19,20。这些方法对于验证预处理是否改善或扭曲语义保留至关重要。

然而，很少有研究系统地探讨在固定架构下预处理如何影响优化器的收敛性、泛化能力以及可解释性——这些问题在临床上和计算上均具有重要意义。临床上，过度的平滑或强度变换可能削弱与诊断相关的纹理和空间梯度，降低病灶定位的准确性并影响临床医生的信任度。计算上，优化器对特征尺度和梯度方差的变化反应各异；输入复杂性与优化器动力学之间的不匹配可能导致收敛不稳定或泛化性能下降。

为解决这一问题，我们引入了一种双路径框架，采用一致的卷积神经网络架构和BR35H Kaggle数据集²¹，在三种优化器（Adam、RMSProp和SGD）上系统性地比较了基线（仅调整尺寸）与传统预处理流程。我们通过五折交叉验证，利用Grad-CAM评估分类性能、收敛速度和可解释性。与以往将网络结构与预处理变化混杂的研究不同，本方案将预处理作为独立变量进行隔离分析，结果表明，激进的滤波处理可能损害优化器性能和空间注意力机制的表现。

本文提出的框架相较于现有模型具有多项优势。首先，该框架明确评估了预处理策略与优化器之间的相互作用，而这一维度在集成学习和迁移学习研究中常常被忽视^15,16,17。其次，该框架保持卷积神经网络（CNN）结构固定，从而模拟了实际部署中的限制条件，在这些条件下通常难以进行重新配置²²。第三，该框架整合了可视化归因方法以评估语义信息的保留程度，补充了既往关于放射组学和手工设计特征研究的工作²³。最后，该框架为考虑预处理的训练策略提供了可重复的研究见解，从而增强了模型的鲁棒性与可解释性。

通过整合预处理方法^3,4,5、优化器研究^16,17以及可解释性工具^19,20的研究成果，本研究提出了一种实用且可解释的脑肿瘤分类流程，能够在准确性、稳定性和临床相关性之间实现良好平衡。

方案

图1展示了本实验方案的工作流程概览。本研究探讨了经典图像预处理方法对卷积神经网络（CNN）性能的影响，以及在利用磁共振成像（MRI）进行脑肿瘤分类任务中优化器行为的变化。该方案涵盖数据集准备、双路径预处理流程、模型架构设计、优化器配置、性能评估及可解释性验证。所有实验均在 Python 3.10.12 环境下运行，使用 Keras 2.13.1 版本（TensorFlow 作为后端）、OpenCV 4.8.0 版本以及 Matplotlib 3.8.0 版本完成。

数据集准备
本研究使用了来自 Kaggle 的 BR35H 脑肿瘤 MRI 数据集²¹，该数据集包含 3,000 张图像，平均分为存在肿瘤（"yes"）和无肿瘤（"no"）两类。所有图像均使用 OpenCV 的 cv2.resize 函数调整为 128 × 128 像素，以统一各实验中的输入尺寸。通过 Scikit-learn 的 train_test_split 进行分层抽样，确保训练集（80%）和验证集（20%）中各类别的分布均衡，从而在每一轮交叉验证中保持类别分布的一致性。

除了BR35H公开数据集外，我们还使用从Ultralytics脑肿瘤数据集（https://docs.ultralytics.com/datasets/detect/brain-tumor/）收集的独立数据集对该方案进行了验证。该数据集包含一个包含878张图像的有效训练集和一个包含223张图像的测试集，分为两个明确定义的类别：阴性（无脑肿瘤的图像）和阳性（有脑肿瘤的图像）。引入该独立数据集使我们能够进一步评估该框架在原始数据之外的泛化能力和鲁棒性。 

预处理流程
实施了两种不同的预处理流程，以评估经典图像预处理的影响。基线预处理（BP）流程仅将图像调整为 128 × 128 像素，不进行其他任何变换，从而保留原始像素强度和结构特征，作为对照条件。传统预处理（TP）流程则使用 OpenCV 函数执行一系列经典图像处理步骤：通过灰度转换（cv2.cvtColor）降低通道维度，采用高斯模糊（cv2.GaussianBlur）抑制噪声并增强对比度²⁴，通过阈值分割（cv2.threshold）来分离高强度结构²⁵，形态学操作（cv2.erode、cv2.dilate）用于优化边缘并减少伪影26，以及轮廓检测（cv2.findContours）用于识别感兴趣区域。该流程可增强对比度并减少视觉杂乱，但可能抑制具有诊断意义的纹理信息。

模型架构
采用了一个自定义的卷积神经网络（CNN），并在所有实验中保持该网络结构不变，以分离出预处理方法和优化器选择的影响。该架构包括一个输入层（128 × 128 × 1），随后是三个卷积层（第一个卷积层包含32个滤波器，接下来的两个卷积层各包含64个滤波器，均使用2 × 2卷积核和修正线性单元（ReLU）激活函数），每个卷积层后接一个2 × 2的最大池化层。随后将输出展平，并通过一个包含128个神经元的全连接层（使用ReLU激活函数），接着是一个丢弃率为0.5的dropout层，最后是一个用于二分类的sigmoid输出单元。该设计在可解释性与计算效率之间取得了平衡，适用于资源受限的临床硬件环境。

优化器配置
评估了三种具有固定超参数的优化器：Adam（学习率 = 0.001，β₁ = 0.9，β₂ = 0.999，epsilon = 1e−07）、RMSProp（学习率 = 0.001，rho = 0.9，epsilon = 1e−07）和 SGD（学习率 = 0.005，动量 = 0.9，Nesterov 未启用）。所有实验的训练参数保持一致，批量大小为 32，训练 50 个周期，并通过 Keras 回调函数实现早停机制（耐心值 = 10），以防止过拟合。

性能评估
使用准确率、精确率、召回率和 F1 分数进行性能评估，这些指标通过 Scikit-learn 的 classification_report 计算得出。使用 Matplotlib 绘制训练和验证损失曲线，以评估收敛速度并检测过拟合现象。结果以表格形式整理并可视化，用于比较不同预处理条件下优化器的敏感性。

可解释性验证
使用从最终卷积层生成的 Grad-CAM 可视化结果对可解释性进行验证。热图由 Keras 和 TensorFlow 函数生成，随后使用 Matplotlib 叠加到原始 MRI 图像上。该步骤确保卷积神经网络（CNN）的空间注意力与临床相关的肿瘤区域一致，从而提升模型的透明度和诊断可信度。

结果

Adam 优化器 - 基线预处理：
图 2 展示了使用 Adam 优化器并结合基线预处理的脑肿瘤分类模型的性能。混淆矩阵显示肿瘤与非肿瘤样本之间几乎完全分离，在 600 个样本中仅有 8 个误分类。相应的分类报告进一步证实了该结果，两个类别的精确率、召回率和 F1 分数均达到或超过 0.98。

使用传统预处理的 Adam 优化器：
图 3 展示了使用 Adam 优化器和传统预处理方法训练的 CNN 模型的分类性能。该模型的整体准确率达到 95.83%，两个类别的精确率和召回率均达到 0.96，表现均衡。混淆矩阵显示，模型在肿瘤阳性与肿瘤阴性样本之间具有良好的区分能力，343 个非肿瘤样本中正确识别出 333 个，257 个肿瘤样本中正确识别出 242 个。误分类样本极少，仅有 25 个样本被错误标注。

采用基线...

讨论

本研究中基于卷积神经网络的脑肿瘤分类成功主要依赖于两个实验方案要素：预处理设计和优化器选择。基础预处理——仅包含图像缩放——保留了原始像素强度和空间结构，使模型能够学习到具有临床相关性的特征。相比之下，传统预处理方法（如灰度转换、高斯模糊、阈值分割和形态学操作）引入了特征抽象，往往会抑制细微的肿瘤线索，导致性能下降和可解释性降低。

优化器的选择进一步影响了收敛速度和泛化能力。Adam 和 RMSProp 作为两种自适应优化器，在输入数据干净的条件下表现出快速收敛和稳定的性能。SGD 虽然收敛较慢，但在与基线预处理方法结合时，展现出较强的泛化能力和极小的过拟合现象。这些结果凸显了在医学影像工作流程中，将预处理策略与优化器的动态特性相匹配，对于确保卷积神经网络（CNN）稳健学习的重要性。

如果性能偏离预期结果，可考虑进行以下几项方案调整：（i）预处理调优：过度的滤波或阈值化处理可能模糊肿瘤边界。降低形态学操作的强度或恢复至基础预处理步骤，可恢复空间保真度。（ii）优化器重新配置：若收敛不稳定，可从 RMSProp 切换为 Adam...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
API 封装器	Keras	2.13.1(RRID:SCR_016345)	用于卷积神经网络架构与训练的高级 API
归因工具	Grad-CAM 实现	自定义（通过 Keras）	卷积神经网络注意力的可视化解释
BR35H 脑肿瘤 MRI 数据集	Kaggle	https://www.kaggle.com/ahmedhamada0/brain-tumor-detection	用于分类的带标签 MRI 图像来源
脑肿瘤数据集	Ultralytics	https://docs.ultralytics.com/datasets/detect/brain-tumor/
深度学习库	TensorFlow	2.15.0 (RRID:SCR_018345)	卷积神经网络模型实现的后端支持
图像处理	OpenCV	4.8.0 (RRID:SCR_015526)	预处理：灰度化、模糊、阈值处理、形态学操作
编程语言	Python	3.10.12 (RRID:SCR_008394)	所有实验的执行环境
可视化工具	Matplotlib	3.8.0 (RRID:SCR_008624)	绘制损失曲线和 Grad-CAM 叠加图像