MTCSNN：用于糖尿病视网膜病变严重程度预测的多任务临床孪生神经网络
计算机视觉与模式识别
2022-10-31 v2
摘要
糖尿病视网膜病变（DR）已成为工作年龄人群视力受损的主要原因之一，并且是一个全球性的严重问题。然而，大多数工作忽略了标签的序数信息。在本项目中，我们提出一种新颖设计 MTCSNN，一种用于糖尿病视网膜病变严重程度预测任务的多任务临床孪生神经网络（Multi-task Clinical Siamese Neural Network）。本项目的创新之处在于利用标签间的序数信息并新增一个回归任务，这有助于模型学习更具判别力的特征嵌入以用于细粒度分类任务。我们在 RetinaMNIST 上进行了全面实验，将 MTCSNN 与 ResNet-18、34、50 等其他模型进行比较。我们的结果表明，MTCSNN 在测试数据集上的 AUC 和准确率均优于基准模型。
引用
@article{arxiv.2208.06917,
title = {MTCSNN: Multi-task Clinical Siamese Neural Network for Diabetic Retinopathy Severity Prediction},
author = {Chao Feng and Jui Po Hung and Aishan Li and Jieping Yang and Xinyu Zhang},
journal= {arXiv preprint arXiv:2208.06917},
year = {2022}
}
备注
This paper is not sufficiently exhaustive and lacks some analysis. Besides, certain methods of this paper are from the first author's other co-first authoring research paper. There exist disputes among authors, thus we decide to withdraw this paper currently