用于分类两对2D OCT切片演化的 Patch 演进掩码自编码器与 Fusion CNN 网络
计算机视觉与模式识别
2025-08-28 v1 人工智能
摘要
年龄相关性黄斑变性(AMD)是一种影响视力的常见眼科疾病。抗血管内皮生长因子(anti-VEGF)治疗对减缓新型AMD的进展有效，通过及时诊断和持续监测实现更好的结果。跟踪 AMD 患者眼底扫描中新型活动的进展有助于开发更个性化和有效的治疗方案。这就是 MARIO (Monitoring Age-related Macular Degeneration Progression in Optical Coherence Tomography) 挑战赛的 focus。在 Task 1 中，用于对分类两个来自连续 OCT 获取的 2D slices 的演化，我们采用 fusion CNN 网络与 model ensembling 来进一步提升模型性能。对于 Task 2，聚焦于预测基于当前检查数据未来三个月的进展，我们提出了 Patch Progression Masked Autoencoder 用于生成下一次 OCT 检查，然后使用来自 Task 1 的 solution 对当前 OCT 与生成的 OCT 之间的演化进行分类。我们实现的结果使我们在两个任务中进入前 10 名。一些 team member 来自与挑战赛组织者同一组织，因此我们不符合竞赛奖品资格。
引用
@article{arxiv.2508.20064,
title = {Patch Progression Masked Autoencoder with Fusion CNN Network for Classifying Evolution Between Two Pairs of 2D OCT Slices},
author = {Philippe Zhang and Weili Jiang and Yihao Li and Jing Zhang and Sarah Matta and Yubo Tan and Hui Lin and Haoshen Wang and Jiangtian Pan and Hui Xu and Laurent Borderie and Alexandre Le Guilcher and Béatrice Cochener and Chubin Ou and Gwenolé Quellec and Mathieu Lamard},
journal= {arXiv preprint arXiv:2508.20064},
year = {2025}
}
备注
10 pages, 5 figures, 3 tables, challenge/conference paper