PoCo：一种基于极坐标变换的渐进式对比学习自监督眼科疾病诊断方法
计算机视觉与模式识别
2024-03-29 v1
摘要
在眼底图像上进行自动眼科疾病诊断在临床实践中非常重要。然而，由于复杂的眼底纹理和有限的标注数据，为该问题开发有效的自动方法仍然具有挑战性。在本文中，我们提出了一种基于极坐标变换的渐进式对比学习的自监督方法，称为PoCo，用于眼科疾病诊断。具体而言，我们新颖地将极坐标变换注入对比学习中，以 1) 促进对比学习预训练更快、更稳定，以及 2) 自然地捕获与任务无关且与旋转相关的纹理，这为眼底图像上的疾病识别提供了洞察。有益的是，变换图像上的简单法向平移不变卷积可以等效地替代原始图像上复杂的旋转不变和扇形卷积。之后，我们开发了一种渐进式对比学习方法以有效利用大量未标注图像，并提出了一种新颖的渐进式困难负样本采样方案，以逐步减少负样本数量，从而实现高效训练和性能提升。在三个公共眼科疾病数据集上的大量实验表明，我们的PoCo取得了最先进的性能并具有良好的泛化能力，验证了我们的方法可以减少标注工作并提供可靠的诊断。代码可在 \url{https://github.com/wjh892521292/PoCo} 获取。
引用
@article{arxiv.2403.19124,
title = {PoCo: A Self-Supervised Approach via Polar Transformation Based Progressive Contrastive Learning for Ophthalmic Disease Diagnosis},
author = {Jinhong Wang and Tingting Chen and Jintai Chen and Yixuan Wu and Yuyang Xu and Danny Chen and Haochao Ying and Jian Wu},
journal= {arXiv preprint arXiv:2403.19124},
year = {2024}
}