ELF：一种用于青光眼分级的端到端局部与全局多模态融合框架
图像与视频处理
2023-11-15 v1 计算机视觉与模式识别
摘要
青光眼是一种可导致失明的慢性神经退行性疾病。早期检测与治疗对阻止青光眼患者病情恶化极为重要。二维眼底图像与光学相干断层扫描（OCT）有助于眼科医生诊断青光眼。已有许多基于眼底图像或 3D OCT 体积的方法；然而，包括眼底图像与数据在内的多模态挖掘研究较少。在本工作中，我们提出一种用于青光眼分级的端到端局部与全局多模态融合框架，简称 ELF。ELF 可充分利用眼底与 OCT 之间的互补信息。此外，不同于以往将多模态特征简单拼接、缺乏探索不同模态间互信息的方法，ELF 可利用局部层面与全局层面的互信息。在 multimodal 青光眼分级 GAMMA 数据集上的大量实验证明，与其他最先进（SOTA）方法相比，ELF 的有效性。
引用
@article{arxiv.2311.08032,
title = {ELF: An End-to-end Local and Global Multimodal Fusion Framework for Glaucoma Grading},
author = {Wenyun Li and Chi-Man Pun},
journal= {arXiv preprint arXiv:2311.08032},
year = {2023}
}