基于CLIP的糖尿病视网膜病变分级——APTOS 2019 和 Messidor-2 眼底图像的排名感知适应比较研究
计算机视觉与模式识别
2026-03-17 v1
摘要
糖尿病视网膜病变（Diabetic Retinopathy, DR）是导致不可逆失明的主要原因，自动化眼底图像分级在大规模筛查中发挥着重要作用。本文研究了三种基于 CLIP 的方法，用于进行五级 DR 严重程度分级：（1）使用提示工程的零样基准；（2）增强了 CBAM 注意力机制的混合 FCN-CLIP 模型；（3) 编码 DR 进展的序数结构的排名感知提示模型。我们在由 APTOS 2019 和 Messidor-2 组成的联合数据集上进行训练和评估（n=5,406），通过重抽样和类别特定最优阈值处理类别不平衡问题。我们的实验表明，排名感知模型实现了最高的总体准确率（93.42%，AUROC 0.9845），并在临床关键重度病例方面表现出色；而混合 FCN-CLIP 模型（92.49%，AUROC 0.99）在检测肥大性 DR 上表现更佳。两种方法都显著优于零样基准（55.17%，AUROC 0.75）。我们分析了每种方法的互补优势，并讨论了在筛查背景中的实际应用意义。
引用
@article{arxiv.2603.13403,
title = {Diabetic Retinopathy Grading with CLIP-based Ranking-Aware Adaptation:A Comparative Study on Fundus Image},
author = {Sungjun Cho},
journal= {arXiv preprint arXiv:2603.13403},
year = {2026}
}