评估糖尿病视网膜病变相关的基础模型用于糖尿病视网膜水肿检测
计算机视觉与模式识别
2025-10-09 v1
摘要
糖尿病视网膜水肿（DME）是糖尿病视网膜病变（DR）患者导致视力丧失的主要原因。尽管深度学习在从糖尿病视网膜图像中自动检测此病情方面显示出前景，但其应用受限于注释数据稀缺的挑战。基础模型（FM）作为一种替代方案已涌现，但尚不清楚它们是否能够应用于该特定任务。本文系统比较了不同 FM 和标准迁移学习方法。具体而言，我们比较了最流行的两种糖尿病视网膜图像基础模型——RETFound 和 FLAIR——以及 EfficientNet-B0 主干网络，在 IDRiD、MESSIDOR-2 和 OCT-and-Eye-Fundus-Images（OEFI）上的不同训练方案和评估设置下。结果表明，尽管规模庞大，FM 在此任务中并不一致地超越微调的 CNN。特别是，EfficientNet-B0 在大多数评估设置下在 AUC 和精确率/召回率曲线上排名第一或第二，而 RETFound 仅在 OEFI 上显示出有前景的成果。相比之下，FLAIR 在零样本情境下表现出竞争力，合理提示下可实现显著的 AUC-PR 分数。这些发现表明，FM 可能并非针对此类数据稀缺环境下面向糖尿病视网膜水肿等细粒度眼科任务的优质工具，即使在微调后也是如此，这表明轻量级 CNN 仍是强大的基线方法。
引用
@article{arxiv.2510.07277,
title = {Evaluating Fundus-Specific Foundation Models for Diabetic Macular Edema Detection},
author = {Franco Javier Arellano and José Ignacio Orlando},
journal= {arXiv preprint arXiv:2510.07277},
year = {2025}
}
备注
Accepted for publication at SIPAIM 2025