基于递增启发式元学习的患者感知RGB-HSI融合用于口腔病灶分类
图像与视频处理
2026-02-05 v2 计算机视觉与模式识别
摘要
早期检测口腔癌和潜在恶性疾病在资源匮乏的环境中面临数据标注稀缺的主要挑战。我们提供了一个统一的方法，用于四类口腔病灶的分类，集成深度学习、光谱分析和人口学数据。从公开数据集中挑选出经病理医生验证的口腔图像子集。对口腔图像使用微调的ConvNeXt-v2网络进行深度嵌入处理，然后通过重建算法将其转化为高光谱域。从重建的高光谱立方体中获得血红素敏感、纹理和光谱描述，并与人口学数据合并。评估了多个机器学习模型，使用患者专属验证。最后开发了一个递增启发式元学习器（IHML），通过概率特征堆叠和结合患者水平平滑的不确定性感知抽象化多模态表示来整合校准的基模型。通过解耦证据提取与决策融合，IHML在异构小样本医疗数据集中稳定预测。在未见的测试集上，所提出的模型实现了宏平均F1得分66.23%和整体准确率64.56%。这些发现表明，RGB到高光谱重建和集成元学习提高了现实世界口腔病灶筛查中的诊断鲁棒性。
引用
@article{arxiv.2511.12268,
title = {Patient-Aware Multimodal RGB-HSI Fusion via Incremental Heuristic Meta-Learning for Oral Lesion Classification},
author = {Rupam Mukherjee and Rajkumar Daniel and Soujanya Hazra and Shirin Dasgupta and Subhamoy Mandal},
journal= {arXiv preprint arXiv:2511.12268},
year = {2026}
}
备注
6 pages, 3 figures, 2 tables