KFWC：一种用于湿性AMD细粒度分类的知识驱动深度学习模型
图像与视频处理
2021-12-24 v1 计算机视觉与模式识别
摘要
使用深度神经网络的自动诊断可帮助眼科医生检测致盲性眼病湿性年龄相关性黄斑变性（AMD）。湿性AMD有两个相似亚型，即新生血管性AMD和息肉状脉络膜血管（PCV）。然而，由于数据收集困难及图像间相似性，大多数研究仅实现了湿性AMD的粗粒度分类，而非湿性AMD亚型的更细粒度分类。为解决此问题，本文提出一种知识驱动的细粒度湿性AMD分类模型（KFWC），以在数据不足情况下对细粒度疾病进行分类。通过将输入图像的10种病变征象的先验知识引入KFWC，我们旨在通过多标签分类预训练加速KFWC，定位细粒度疾病分类任务中的决定性图像特征，从而实现更好的分类。同时，KFWC还能提供良好的可解释性，并有效缓解湿性AMD细粒度疾病分类领域的数据收集与标注压力。实验证明了KFWC的有效性，其AU-ROC分数达到99.71%，相较最强基线提升6.69%、相较眼科医生提升4.14%，较数据驱动无知识方法及眼科医生均有可观改进。
引用
@article{arxiv.2112.12386,
title = {KFWC: A Knowledge-Driven Deep Learning Model for Fine-grained Classification of Wet-AMD},
author = {Haihong E and Jiawen He and Tianyi Hu and Lifei Wang and Lifei Yuan and Ruru Zhang and Meina Song},
journal= {arXiv preprint arXiv:2112.12386},
year = {2021}
}