PSScreen V2: 部分监督的多视网膜疾病筛查
计算机视觉与模式识别
2025-10-30 v2
摘要
在本工作中，我们提出了PSScreen V2，一个用于多视网膜疾病筛查的部分监督自训练框架。与以往依赖完全标注或单领域数据集的方法不同，PSScreen V2旨在从多个具有不同分布的部分标注数据集中学习，同时解决标签缺失和领域偏移的挑战。为此，PSScreen V2采用了一个包含一个教师网络和两个学生网络的三分支架构。教师分支从弱增强图像生成伪标签以解决缺失标签问题，而两个学生分支引入了新颖的特征增强策略：低频丢弃(LF-Dropout)，通过随机丢弃与领域相关的低频分量来增强领域鲁棒性；以及低频不确定性(LF-Uncert)，通过对抗学习低频统计量的高斯扰动来估计不确定的领域变异性。在多个域内和域外眼底数据集上的大量实验表明，PSScreen V2实现了最先进的性能和卓越的领域泛化能力。此外，与包括视觉基础模型DINOv2在内的多种骨干网络的兼容性测试，以及在胸部X光数据集上的评估，突显了所提出框架的通用性和适应性。代码可在 https://github.com/boyiZheng99/PSScreen_V2 获取。
引用
@article{arxiv.2510.22589,
title = {PSScreen V2: Partially Supervised Multiple Retinal Disease Screening},
author = {Boyi Zheng and Yalin Zheng and Hrvoje Bogunović and Qing Liu},
journal= {arXiv preprint arXiv:2510.22589},
year = {2025}
}