用于宽视野眼底图像视网膜疾病识别的有监督域适应
图像与视频处理
2023-10-25 v2 计算机视觉与模式识别
摘要
本文解决从宽视野（WF）与超宽视野（UWF）眼底图像识别多种视网膜疾病这一新兴任务。为有效利用现有大量标注彩色眼底照（CFP）数据及相对较少的 WF 与 UWF 数据，我们提出一种称为跨域协同学习（CdCL）的有监督域适应方法。受基于固定比例的 mixup 在无监督域适应中成功的启发，我们将该策略重新用于当前任务。由于 CFP 与 WF/UWF 图像的视野固有差异，mixup 样本中天然存在尺度偏置，即来自 CFP 图像的解剖结构明显大于其 WF/UWF 对应部分。CdCL 方法通过尺度偏置校正解决该问题，其采用 Transformers 生成尺度不变特征。在涵盖 WF 与 UWF 图像的多个数据集上的大量实验表明，所提方法与若干竞争性基线相比具优势。
引用
@article{arxiv.2305.08078,
title = {Supervised Domain Adaptation for Recognizing Retinal Diseases from Wide-Field Fundus Images},
author = {Qijie Wei and Jingyuan Yang and Bo Wang and Jinrui Wang and Jianchun Zhao and Xinyu Zhao and Sheng Yang and Niranchana Manivannan and Youxin Chen and Dayong Ding and Jing Zhou and Xirong Li},
journal= {arXiv preprint arXiv:2305.08078},
year = {2023}
}
备注
Accepted by BIBM2023