基于证据理论桥接 CNN 与 ViT 的混合框架用于糖尿病视网膜病变分级
计算机视觉与模式识别
2025-10-31 v1
摘要
糖尿病视网膜病变（Diabetic Retinopathy, DR）是中老年人群中导致视力丧失的主要原因，对他们的日常生活和心理健康具有显著影响。为提高临床筛查效率并实现早期检测 DR，最近基于卷积神经网络（CNN）或视觉 Transformer（ViT）的自动化 DR 诊断系统不断建立。然而，由于 CNN/ViT 各自的局限性，使用单一 backbone 的现有方法已达到性能瓶颈。进一步提高方法之一是整合不同类型的 backbone，这可以充分发挥两者各自的优势（即 CNN 的局部特征提取能力和 ViT 的全局特征捕获能力）。为此，我们提出一种新颖的范式，通过证据理论有效融合由不同 backbone 提取的特征。具体而言，提出的证据融合范式通过一组深度证据网络将来自不同 backbone 的特征转换为支持证据。有了支持证据，可以相应地形成聚合意见，用于自适应调节不同 backbone 之间的融合模式，从而提升混合模型的性能。我们在两个公开可用的 DR 分级数据集上对方法进行了评估。实验结果表明，我们的混合模型不仅在 DR 分级准确率方面优于当前最先进的框架，而且为特征融合和决策提供了优秀的可解释性。
引用
@article{arxiv.2510.26315,
title = {A Hybrid Framework Bridging CNN and ViT based on Theory of Evidence for Diabetic Retinopathy Grading},
author = {Junlai Qiu and Yunzhu Chen and Hao Zheng and Yawen Huang and Yuexiang Li},
journal= {arXiv preprint arXiv:2510.26315},
year = {2025}
}