基于 Transformer 的多标签视网膜疾病分类

视网膜疾病的早期检测是预防患者部分或永久性失明最重要的手段之一。在本研究中，提出了一种新颖的多标签分类系统，用于检测多种视网膜疾病，所用眼底图像采集自多种来源。首先，利用若干公开可用的眼底疾病分类数据集，构建了一个新的多标签视网膜疾病数据集 MuReD 数据集。接着，应用一系列后处理步骤以确保图像数据的质量以及数据集中所涵盖疾病的范围。在眼底多标签疾病分类中，首次使用了通过大量实验优化的基于 Transformer 的模型进行图像分析与决策。进行了大量实验以优化所提出系统的配置。结果表明，该方法在疾病检测和疾病分类的 AUC 分数上分别比同类任务的 SOTA 工作高出 7.9% 和 8.1%。所得结果进一步支持了基于 Transformer 的架构在医学影像领域的潜在应用。