两只眼胜于一眼：利用双眼相关性进行糖尿病视网膜病变严重程度分级

糖尿病视网膜病变（DR）是糖尿病患者中最常见的眼部疾病之一。然而，视力丧失主要发生在 DR 晚期，且从轻度到重度的视觉损伤症状可能差异很大，增加了临床实践中的诊疗负担。基于视网膜图像的深度学习方法在自动 DR 分级中已取得显著成功，但大多数方法忽视了糖尿病通常影响双眼，且眼科医生通常同时比对双眼进行 DR 诊断，从而未利用左右眼之间的相关性。本研究中，我们模拟诊断过程，提出一种双流双眼网络以捕获左右眼间的细微相关性，其中双眼配对图像在训练时分别输入两个相同的子网络。我们设计了一种对比分级损失来学习五类 DR 检测的双眼相关性，其在最大化类间相异性的同时最小化类内差异。在 EyePACS 数据集上的实验结果显示了所提双眼模型的优越性，大幅优于单眼方法。