MSSDA：用于糖尿病足神经病变识别的多子源域自适应
计算机视觉与模式识别
2024-09-24 v1 人工智能
摘要
糖尿病足神经病变（DFN）是导致糖尿病足溃疡的关键因素，后者是糖尿病（DM）最常见且最严重的并发症之一，且伴随高截肢和死亡风险。尽管其意义重大，但现有数据集并非直接来源于足底数据，且缺乏连续的、长期的足部特定信息。为了推进 DFN 研究，我们收集了一个包含连续足底压力数据的新颖数据集，以识别糖尿病足神经病变。该数据集包含来自 94 名伴有 DFN 的 DM 患者和 41 名不伴有 DFN 的 DM 患者的数据。此外，传统方法按个体划分数据集，可能由于中间域数据的缺失导致某些特征空间中出现显著的域差异。在本文中，我们提出了一种有效的域自适应方法来解决此问题。我们基于卷积特征统计数据拆分数据集，并选择合适的子源域以提高效率并避免负迁移。随后，我们在特定特征空间中对齐每个源域和目标域对的分布，以最小化域差距。综合结果验证了我们的方法在 newly proposed 的 DFN 识别数据集和现有数据集上的有效性。
引用
@article{arxiv.2409.14154,
title = {MSSDA: Multi-Sub-Source Adaptation for Diabetic Foot Neuropathy Recognition},
author = {Yan Zhong and Zhixin Yan and Yi Xie and Shibin Wu and Huaidong Zhang and Lin Shu and Peiru Zhou},
journal= {arXiv preprint arXiv:2409.14154},
year = {2024}
}