用于糖尿病视网膜病变检测的深度学习半监督与自监督方法
计算机视觉与模式识别
2022-08-05 v1
摘要
糖尿病视网膜病变（DR）是发达国家劳动年龄人群致盲的主要原因之一，由糖尿病的副作用引起，该副作用会减少视网膜的血液供应。深度神经网络已广泛用于眼底图像上 DR 分类的自动化系统。然而，这些模型需要大量标注图像。在医学领域，专家标注成本高、繁琐且耗时；因此，可用的标注图像数量有限。本文提出一种半监督方法，利用无标注图像和标注图像训练检测糖尿病视网膜病变的模型。所提方法通过自监督学习进行无监督预训练，随后使用一小部分标注图像进行监督微调，并采用知识蒸馏以提升分类任务性能。该方法在 EyePACS 测试集和 Messidor-2 数据集上进行了评估，仅使用 2% 的 EyePACS 训练标注图像即分别取得了 0.94 和 0.89 的 AUC。
引用
@article{arxiv.2208.02408,
title = {Deep Semi-Supervised and Self-Supervised Learning for Diabetic Retinopathy Detection},
author = {Jose Miguel Arrieta Ramos and Oscar Perdómo and Fabio A. González},
journal= {arXiv preprint arXiv:2208.02408},
year = {2022}
}