用于光学相干断层扫描中高度近视筛查的可调鲁棒 Transformer
计算机视觉与模式识别
2023-12-13 v1
摘要
近视是由眼球过度伸长引起的视觉障碍的一种表现。图像数据是研究高度近视和病理性近视的关键材料。等效球镜度和眼轴长度的测量值是识别高度近视的金标准，但与之匹配的可用图像数据十分稀缺。此外，不同研究对高度近视的定义标准各不相同，因此在自动筛查中纳入样本需要对可解释性进行适当评估。在这项工作中，我们提出了一种名为可调鲁棒 Transformer（ARTran）的模型，用于光学相干断层扫描（OCT）数据的高度近视筛查。基于视觉 Transformer，我们提出了各向异性块嵌入（APE）以捕获高度近视更具判别性的特征。为了使模型在可变筛查条件下有效，我们提出了可调类嵌入（ACE）来替代固定的类标记，该嵌入改变输出以适应不同条件。考虑到高度近视与低度近视阈值处数据的混淆，我们引入了标签噪声学习策略，并提出了移位子空间转移矩阵（SST）以增强模型的鲁棒性。此外，结合上述两种结构，该模型可以为不确定性评估提供证据。实验结果证明了所提出方法的有效性和可靠性。代码可在 https://github.com/maxiao0234/ARTran 获取。
引用
@article{arxiv.2312.07052,
title = {Adjustable Robust Transformer for High Myopia Screening in Optical Coherence Tomography},
author = {Xiao Ma and Zetian Zhang and Zexuan Ji and Kun Huang and Na Su and Songtao Yuan and Qiang Chen},
journal= {arXiv preprint arXiv:2312.07052},
year = {2023}
}
备注
11 pages, 3 figures, MICCAI 2023 - Accepted Papers; International Conference on Medical Image Computing and Computer-Assisted Intervention, 2023: 504-514