基于自监督学习的痂疹病情严重程度自动测量
计算机视觉与模式识别
2025-04-22 v1 机器学习
摘要
使用数字相机获取的图像进行痂疹病的自动诊断可以使个体自行监测其恢复情况。该过程首先从图像中分割出痂疹区域，然后测量分割区域内的痂疹严重程度。当前用于自动痂疹诊断的方法依赖于深度神经网络，如卷积神经网络 (CNN)，并在准确测量痂疹严重程度方面显示出惊人的性能。然而，这些方法需要大量标注数据进行训练，而这在实际中往往难以获得。本文提出了一个在数据有限的情况下进行自动痂疹诊断的自监督学习框架。我们的框架包含两个阶段：i) 分割阶段，我们使用基于语境学习的算法 SegGPT 对痂疹区域进行零样本分割；ii) 特征提取与分类阶段，我们从分割区域提取 DINO 特征，并输入到多层感知机 (MLP) 中进行 4 类别痂疹严重程度分类。在评估标注好的“野生”痂疹图像数据集时，我们的结果表明该方法在加权 F1 分数 (0.67 ± 0.01) 上优于当前的方法，如微调 ResNet-18 (加权 F1: 0.44 ± 0.16) 和 Vision Transformer (加权 F1: 0.40 ± 0.22)。我们的结果表明，在标注数据稀缺的自动皮肤诊断场景中，自监督学习是一种可行的解决方案。
引用
@article{arxiv.2504.15193,
title = {Automated Measurement of Eczema Severity with Self-Supervised Learning},
author = {Neelesh Kumar and Oya Aran},
journal= {arXiv preprint arXiv:2504.15193},
year = {2025}
}