基于眼底图像的自监督视觉变换器用于眼病诊断
图像与视频处理
2024-04-23 v1 计算机视觉与模式识别
机器学习
摘要
基于机器学习的眼底图像诊断技术因其减轻医疗资源消耗和提供客观评估结果等优势，引起了全球广泛关注。然而，当前方法通常基于监督方法，导致生物医学人员工作负担沉重，难以扩充有效的数据库。为此，本文建立了一种无标签方法，命名为'SSVT'，可自动分析无标签的眼底图像，基于六个公开数据集和北京钟祥医院收集的两个数据集，实现对四种主要眼病诊断的97.0%的高评估准确率。这些令人振奋的结果展示了该方法的有效性，以及在生物医学资源匮乏地区提高全球眼卫生的强大应用潜力。
引用
@article{arxiv.2404.13386,
title = {SSVT: Self-Supervised Vision Transformer For Eye Disease Diagnosis Based On Fundus Images},
author = {Jiaqi Wang and Mengtian Kang and Yong Liu and Chi Zhang and Ying Liu and Shiming Li and Yue Qi and Wenjun Xu and Chenyu Tang and Edoardo Occhipinti and Mayinuer Yusufu and Ningli Wang and Weiling Bai and Shuo Gao and Luigi G. Occhipinti},
journal= {arXiv preprint arXiv:2404.13386},
year = {2024}
}
备注
ISBI 2024