面向病程感知的糖尿病视网膜病理分级的有向序向扩散正则化
计算机视觉与模式识别
2026-02-26 v1
摘要
糖尿病视网膜病理（DR）的病程呈连续且不可逆的视网膜恶化过程，遵循从轻度至重度阶段的明确临床轨迹。然而，大多数现有序向回归方法将DR病情建模为静态对称的等级序列，仅捕捉相对顺序，忽略疾病进展的内在单向性。因此，学习到的特征表示可能违反生物学合理性，导致非连续阶段之间不合理的接近，甚至出现逆向转换。为弥合这一差距，我们提出有向序向扩散正则化（D-ODR），其显式地将特征空间建模为有向流动，通过构建受约束的有向图严格强制病程向前演进。通过对该有向结构进行多尺度扩散，D-ODR对有效病程路径上的得分逆转施加惩罚，从而有效防止模型学习生物学不一致的逆向转换。该机制将特征表示与DR恶化的自然轨迹相吻合。广泛的实验表明，D-ODR在糖尿病视网膜病理分级方面优于最先进的序向回归和DR专用分级方法，提供更临床可靠的疾病严重程度评估。我们的代码已公开于 https://github.com/HovChen/D-ODR。
引用
@article{arxiv.2602.21942,
title = {Directed Ordinal Diffusion Regularization for Progression-Aware Diabetic Retinopathy Grading},
author = {Huangwei Chen and Junhao Jia and Ruocheng Li and Cunyuan Yang and Wu Li and Xiaotao Pang and Yifei Chen and Haishuai Wang and Jiajun Bu and Lei Wu},
journal= {arXiv preprint arXiv:2602.21942},
year = {2026}
}
备注
3 figures