探索深度学习与超广域成像在糖尿病视网膜病变和黄斑水肿中的应用
计算机视觉与模式识别
2026-05-21 v2 人工智能
摘要
糖尿病视网膜病变（DR）和糖尿病黄斑水肿（DME）是工作年龄成年人中导致不可逆失明的主要原因。文献中传统方法主要关注标准彩色视网膜摄影（CFP）用于检测这些疾病。然而，近期出现的超广域成像（UWF）相较于CFP提供了显著更大的视野。针对这一趋势，本研究探索了最新的深度学习（DL）方法和UWF成像技术，用于三个临床相关任务：i) UWF图像质量评估，ii) 可 referrals 糖尿病视网膜病变（RDR）的识别，iii) DME的识别。我们使用作为MICCAI 2024会议组成部分公开的UWF4DR挑战数据集，对标DL模型在空间（RGB）和频域中的表现，包括流行的卷积神经网络（CNNs）以及最新的视觉转换器（ViTs）和基础模型。此外，我们还探索了最终的特征级融合以提高鲁棒性。最后，我们还使用Grad-CAM分析DL模型的决策，提高可解释性。我们的方案在所有架构上均实现了持续的强性能，凸显了新兴ViTs和基础模型的竞争力，以及特征级融合和频域表示在UWF分析中的前景。
引用
@article{arxiv.2603.08235,
title = {Exploring Deep Learning and Ultra-Widefield Imaging for Diabetic Retinopathy and Macular Edema},
author = {Pablo Jimenez-Lizcano and Sergio Romero-Tapiador and Ruben Tolosana and Aythami Morales and Guillermo González de Rivera and Ruben Vera-Rodriguez and Julian Fierrez},
journal= {arXiv preprint arXiv:2603.08235},
year = {2026}
}
备注
6 pages, 4 figures, 2 tables