AdvBlur：针对糖尿病视网膜病变分类与跨域泛化的对抗性模糊
计算机视觉与模式识别
2025-10-29 v1
摘要
糖尿病视网膜病变 (Diabetic Retinopathy, DR) 是全球范围内导致视力丧失的主要原因，但早期且准确的检测可显著改善治疗效果。虽然已develop许多深度学习 (Deep Learning, DL) 模型用于从视网膜图像预测DR，但许多模型因受制于因采集设备差异、人口统计学差异以及影像条件差异导致的分布性变化而面临鲁棒性挑战。本文通过提出一种名为AdvBlur的新型DR分类方法来解决这一关键问题。该方法将对抗性模糊图像整合到数据集中，并采用双损失函数框架以应对域泛化问题。实验证明，这一方法有效缓解了未见分布性变化的影响，综合评估多个数据集后显示出良好效果。此外，我们进行了大量实验探讨了相机类型、低质量图像以及数据集大小等因素的影响。进一步，对模糊图像和损失函数进行消融研究，以确保方案选择的有效性。实验结果表明，我们提出的方法有效，相较于现有SOTA域泛化DR模型在未见外部数据集上实现了竞争性能。
引用
@article{arxiv.2510.24000,
title = {AdvBlur: Adversarial Blur for Robust Diabetic Retinopathy Classification and Cross-Domain Generalization},
author = {Heethanjan Kanagalingam and Thenukan Pathmanathan and Mokeeshan Vathanakumar and Tharmakulasingam Mukunthan},
journal= {arXiv preprint arXiv:2510.24000},
year = {2025}
}