征服视网膜：将视觉 in-context 学习引入 OCT
计算机视觉与模式识别
2025-06-19 v1
摘要
近期医学图像分析的进展导致开发高度专业化模型，这些模型针对特定临床任务表现出色，仍是重要的研究方向。然而，其适用性仅限于预定义任务，需要专业知识和广泛资源才能开发和调整。相比之下，通用模型提供了不同的实用性：允许医疗从业者无需开发特定模型即可即时定义任务。本文探索了如何为视网膜光学相干断层扫描（OCT）训练通用模型，方法是使用视觉 in-context 学习（VICL），即在推理时根据提供的少量示例进行任务泛化。为促进严格评估，我们提出了针对 OCT 中 VICL 的广泛评估方案。我们在多个视网膜 OCT 数据集上广泛评估了最新方法的医学 VICL 方法，建立了第一个基准，凸显了 in-context 学习在 OCT 中的潜力和当前局限性。为促进进一步的研究和实际应用，我们公开了代码。
引用
@article{arxiv.2506.15200,
title = {Conquering the Retina: Bringing Visual in-Context Learning to OCT},
author = {Alessio Negrini and Simon Reiß},
journal= {arXiv preprint arXiv:2506.15200},
year = {2025}
}