基于变分自编码器在糖尿病视网膜病变中的跨域泛化
计算机视觉与模式识别
2023-09-21 v1
摘要
糖尿病视网膜病变（DR）分类的域泛化使模型能够熟练地对来自先前未见域的视网膜图像进行分类，这些域具有各种成像条件和患者人口统计特征，从而增强其在广泛临床环境中的适用性。在本研究中，我们探索变分自编码器解耦眼底图像潜在空间的内在能力，旨在获得更鲁棒且可适应的域不变表示，以有效应对 DR 数据集中遇到的域偏移。尽管我们的方法简单，我们探究了这一经典方法的有效性，并证明其使用公开可用数据集在该任务上优于当代最先进（SOTA）方法的能力。我们的发现挑战了高度复杂 DR 分类方法在域泛化上天然更优的普遍假设。这凸显了考虑简单方法并将其适配于医学图像泛化这一挑战性任务的重要性，而非仅依赖先进技术。
引用
@article{arxiv.2309.11301,
title = {Generalizing Across Domains in Diabetic Retinopathy via Variational Autoencoders},
author = {Sharon Chokuwa and Muhammad H. Khan},
journal= {arXiv preprint arXiv:2309.11301},
year = {2023}
}
备注
Accepted at MICCAI 2023 1st International Workshop on Foundation Models for General Medical AI (MedAGI)