DRG-Net：用于糖尿病视网膜病变分级的多病灶分割与分类交互式联合学习
计算机视觉与模式识别
2023-01-02 v1
摘要
糖尿病视网膜病变（DR）是全球视力丧失的主要原因，早期 DR 检测对于预防视力丧失和提供适当治疗十分必要。在本工作中，我们利用交互式机器学习并引入一种称为 DRG-Net 的联合学习框架，以有效学习疾病分级与多病灶分割。我们的 DRG-Net 由两个模块组成：（i）DRG-AI-System，用于分类 DR 分级、定位病灶区域并提供可视化解释；（ii）DRG-Expert-Interaction，用于接收用户专家的反馈并改进 DRG-AI-System。为处理稀疏数据，我们利用迁移学习机制，通过 Wasserstein 距离和基于对抗学习的熵最小化来提取不变特征表示。此外，我们提出一种在低级和高级特征上的新型注意力策略，以自动选择最重要的病灶信息并提供可解释特性。在人机交互方面，我们进一步将 DRG-Net 开发为一种工具，使专家用户能够纠正系统的预测，这些预测随后可用于更新整个系统。此外，得益于注意力机制以及病灶特征与分类特征之间的损失函数约束，我们的方法在用户反馈存在一定程度噪声时仍能保持鲁棒。我们在两个最大的 DR 数据集（即 IDRID 和 FGADR）上对 DRG-Net 进行了基准测试，并与多种最先进的深度学习网络进行了比较。除了优于其他 SOTA 方法外，DRG-Net 即使以弱监督方式也能利用用户反馈进行有效更新。
引用
@article{arxiv.2212.14615,
title = {DRG-Net: Interactive Joint Learning of Multi-lesion Segmentation and Classification for Diabetic Retinopathy Grading},
author = {Hasan Md Tusfiqur and Duy M. H. Nguyen and Mai T. N. Truong and Triet A. Nguyen and Binh T. Nguyen and Michael Barz and Hans-Juergen Profitlich and Ngoc T. T. Than and Ngan Le and Pengtao Xie and Daniel Sonntag},
journal= {arXiv preprint arXiv:2212.14615},
year = {2023}
}
备注
First version