基于眼底图像的心血管疾病风险估计的相机适配

最近的研究已验证了心血管疾病（CVD）风险与视网膜眼底图像之间的关联。将深度学习（DL）与便携式眼底相机结合将在各种场景下实现CVD风险估计，并促进医疗普及。然而，仍存在显著问题需要解决。一个首要问题是研究材料数据库与生产环境样本之间的相机差异。大多数准备好用于研究的高质量眼底照相机数据是从高端眼底相机收集的，不同相机之间存在显著的域差异。为充分探索域差异问题，我们首先收集了一个眼底相机配对（FCP）数据集，包含由同一患者的高端Topcon视网膜相机和低端Mediwork便携式眼底相机拍摄的配对眼底图像。随后，我们提出了一种交叉纵向特征对齐预训练方案和自注意力相机适配模块，以提高模型的鲁棒性。交叉纵向特征对齐训练鼓励模型从同一患者左右眼的眼底图像中学习共同知识，从而提高模型的泛化能力。同时，设备适配模块学习从目标域到源域的特征转换。我们在UK Biobank数据库和我们的FCP数据上进行了全面实验。实验结果表明，我们提出的方法在CVD风险回归精度和两个相机结果一致性方面均得到了提高。代码可在此处获取：\url{https://github.com/linzhlalala/CVD-risk-based-on-retinal-fundus-images}。