用于精确自动渗出物检测的全局与分块对比损失

糖尿病视网膜病变（DR）是全球致盲的主要病因。硬渗出物的早期检测在识别 DR 中起着关键作用，有助于糖尿病治疗与视力丧失预防。然而，硬渗出物从形状不一致到边界模糊的独特特征，对现有分割技术提出了重大挑战。为解决这些问题，我们提出了一种新颖的监督对比学习框架以优化硬渗出物分割。具体而言，我们引入分块密度对比方案以区分具有不同病灶浓度的区域，从而提升模型分割小病灶的能力。为处理模糊边界，我们开发了判别性边缘检测模块以动态分析边界周围的像素并精确勾勒渗出物。在 IDRiD 数据集上的评估及与最先进框架的对比表明，我们的方法有效并展现出计算机辅助硬渗出物检测的潜力。复现实验的代码见 github.com/wetang7/HECL/。