OUCopula：基于 OU-UWF 图像筛查近视的双通道多标签 Copula 增强适配器 CNN
图像与视频处理
2024-03-19 v1 计算机视觉与模式识别
摘要
使用前沿的超广角 (UWF) 眼底成像进行近视筛查对眼科预后具有潜在的重要意义。目前眼科与深度学习 (DL) 之间的多学科研究主要集中在使用单眼图像进行疾病分类和诊断，很大程度上忽略了对 Oculus Uterque (OU，双眼) 的联合建模和预测。受 OU 之间复杂关系以及（连续）结果标签（等效球镜度和眼轴长度）之间高相关性的启发，我们提出了一种基于双眼 UWF 眼底图像的 Copula 增强适配器卷积神经网络 (CNN) 学习框架 (OUCopula)，用于多个临床评分的联合预测。我们设计了一种新颖的双通道多标签 CNN，它可以 (1) 接受受制于高相关性和异质性的双通道图像输入（通过共享相同的主干网络并使用适配器来参数化通道间的差异），以及 (2) 结合连续输出标签之间的相关信息（使用 Copula）。扎实的实验表明，与主干模型相比，OUCopula 在近视评分预测中取得了令人满意的性能。此外，OUCopula 的性能远超为单眼输入构建的模型。重要的是，我们的研究还暗示了双通道模型向多通道范式扩展的潜力，以及 OUCopula 在各种主干 CNN 上的泛化能力。
引用
@article{arxiv.2403.11974,
title = {OUCopula: Bi-Channel Multi-Label Copula-Enhanced Adapter-Based CNN for Myopia Screening Based on OU-UWF Images},
author = {Yang Li and Qiuyi Huang and Chong Zhong and Danjuan Yang and Meiyan Li and A. H. Welsh and Aiyi Liu and Bo Fu and Catherien C. Liu and Xingtao Zhou},
journal= {arXiv preprint arXiv:2403.11974},
year = {2024}
}