面向眼部疾病识别的病理上下文重校准网络
计算机视觉与模式识别
2026-01-01 v1 人工智能
摘要
病理上下文和专家经验在临床眼部疾病诊断中扮演着重要角色。尽管深度神经网络（DNN）在眼部疾病识别上取得了良好结果，但它们常常忽略探索临床病理上下文和专家经验先验，以提升眼部疾病识别性能和决策可解释性。为此，我们首先开发了一个新颖的病理重校准模块（PRM），通过结合精心设计的像素级上下文压缩算子和病理分布集中算子，来利用病理上下文先验的潜力；然后，本文应用了一个新颖的专家先验引导适配器（EPGA），通过充分挖掘专家经验先验，进一步突出显著的像素级表示区域。通过将PRM和EPGA整合到现代DNN中，构建了用于自动化眼部疾病识别的PCRNet。此外，我们引入了一个综合损失（IL），通过考虑样本级损失分布和训练标签频率的影响，来提升PCRNet的眼部疾病识别性能。在三个眼部疾病数据集上的大量实验表明，结合IL的PCRNet优于最先进的基于注意力的网络和先进的损失方法。进一步的可视化分析解释了PRM和EPGA影响DNN决策过程的内在行为。
引用
@article{arxiv.2512.24066,
title = {Pathology Context Recalibration Network for Ocular Disease Recognition},
author = {Zunjie Xiao and Xiaoqing Zhang and Risa Higashita and Jiang Liu},
journal= {arXiv preprint arXiv:2512.24066},
year = {2026}
}
备注
The article has been accepted for publication at Machine Intelligence Research (MIR)