基于病灶对比学习的眼底图像糖尿病视网膜病变分级
计算机视觉与模式识别
2021-07-20 v1 图像与视频处理
摘要
人工标注医学图像极其昂贵，尤其对于大规模数据集而言。自监督对比学习已被探索用于从未经标注的图像中学习特征表示。然而，与自然图像不同，对比学习在医学图像上的应用相对有限。在本工作中，我们提出了一种自监督框架，即用于自动化糖尿病视网膜病变（DR）分级的基于病灶的对比学习。该框架不采用常见对比学习方案中整幅图像作为输入的方式，而是使用病灶块来促使特征提取器学习对 DR 分级具有高度判别力的表示。我们还研究了在定义对比预测任务时不同的数据增强操作。在公开可获取的数据集 EyePACS 上进行了大量实验，表明我们所提出的框架在 DR 分级的线性评估与迁移能力评估两方面均表现优异。
引用
@article{arxiv.2107.08274,
title = {Lesion-based Contrastive Learning for Diabetic Retinopathy Grading from Fundus Images},
author = {Yijin Huang and Li Lin and Pujin Cheng and Junyan Lyu and Xiaoying Tang},
journal= {arXiv preprint arXiv:2107.08274},
year = {2021}
}
备注
10 pages, 2 figures, MICCAI2021 early accepted