基于残差 CycleGAN 的相机自适应用于鲁棒糖尿病视网膜病变筛查
图像与视频处理
2020-08-03 v1 计算机视觉与模式识别
摘要
已有大量研究关注从眼底图像中自动检测糖尿病视网膜病变（DR）。然而，在真实世界 DR 筛查中应用这些模型时观察到精度下降，其中眼底相机品牌与用于拍摄训练图像的品牌不同。我们如何仅在一种相机品牌获取的标注眼底图像上训练分类模型，却仍能在其他品牌相机拍摄的图像上取得良好性能？本文从实验角度定量验证了眼底相机品牌相关的域偏移对 DR 分类模型性能的影响。进一步，我们提出面向相机的残差 CycleGAN，通过域适应缓解相机品牌差异，并在目标相机图像上实现提升的分类性能。在 EyePACS 数据集和私有数据集上的大量消融实验表明，相机品牌差异会显著影响分类性能，并证明我们提出的方法能有效提升模型在目标域上的性能。我们推断并标注了 EyePACS 数据集中每张图像的相机品牌，并将公开相机品牌标签以用于域适应的进一步研究。
引用
@article{arxiv.2007.15874,
title = {Residual-CycleGAN based Camera Adaptation for Robust Diabetic Retinopathy Screening},
author = {Dalu Yang and Yehui Yang and Tiantian Huang and Binghong Wu and Lei Wang and Yanwu Xu},
journal= {arXiv preprint arXiv:2007.15874},
year = {2020}
}