克服数据稀缺的糖尿病视网膜病变分析框架开发技巧集
图像与视频处理
2022-10-19 v1 计算机视觉与模式识别
机器学习
摘要
近年来，利用超广角光学相干断层扫描血管造影（UW-OCTA）进行糖尿病视网膜病变（DR）筛查已在临床实践中用于检测早期 DR 迹象。然而，由于数据收集困难且缺乏公开数据集，基于深度学习使用 UW-OCTA 图像开发 DR 分析系统并非易事。受现实条件限制，在小数据集上训练的模型可能获得较差的性能。因此，为帮助眼科医生减少对被错误决策模型的困惑，模型即使在数据稀缺情况下也应具备鲁棒性。针对上述实际挑战，我们提出了一项针对 DR 分析任务（包括病灶分割、图像质量评估和 DR 分级）的全面实证研究。针对每项任务，我们通过集成学习、数据增强和半监督学习引入鲁棒训练方案。此外，我们提出可靠的伪标注方法，基于模型置信度分数排除不确定的伪标签，以减轻噪声伪标签的负面影响。通过应用所提方法，我们在糖尿病视网膜病变分析挑战赛中获得了第一名。
引用
@article{arxiv.2210.09558,
title = {Bag of Tricks for Developing Diabetic Retinopathy Analysis Framework to Overcome Data Scarcity},
author = {Gitaek Kwon and Eunjin Kim and Sunho Kim and Seongwon Bak and Minsung Kim and Jaeyoung Kim},
journal= {arXiv preprint arXiv:2210.09558},
year = {2022}
}