Multi-Scale Multi-Target Domain Adaptation for Angle Closure Classification

要約

深層学習 (DL) は、前眼部光コヒーレンストモグラフィー (AS-OCT) 画像を使用した閉角分類において大きな進歩を遂げました。
これらの AS-OCT 画像は、さまざまなイメージング デバイス/条件によって取得されることが多く、その結果、基になるデータ分布 (「データ ドメイン」と呼ばれる) が大幅に変化します。
さらに、実際のラベル付けの問題により、一部のドメイン (デバイスなど) にはデータ ラベルがない場合があります。
その結果、特定のドメイン (特定のデバイスなど) でトレーニングされたディープ モデルは適応が難しく、他のドメイン (他のデバイスなど) ではパフォーマンスが低下する可能性があります。
この問題に対処するために、1 つのラベル付けされたソース ドメインでトレーニングされたモデルを複数のラベル付けされていないターゲット ドメインに転送するマルチターゲット ドメイン適応パラダイムを提示します。
具体的には、角度閉鎖分類のための新しいマルチスケール マルチターゲット ドメイン敵対ネットワーク (M2DAN) を提案します。
M2DAN は、ドメイン不変の特徴を抽出するためのマルチドメイン敵対的学習を実施し、AS-OCT 画像のローカルおよびグローバル情報をキャプチャするためのマルチスケール モジュールを開発します。
さまざまなスケールでのこれらのドメイン不変の機能に基づいて、ソース ドメインでトレーニングされたディープ モデルは、これらのドメインに注釈がなくても、複数のターゲット ドメインで閉角を分類できます。
実世界の AS-OCT データセットでの広範な実験により、提案された方法の有効性が実証されました。

要約(オリジナル)

Deep learning (DL) has made significant progress in angle closure classification with anterior segment optical coherence tomography (AS-OCT) images. These AS-OCT images are often acquired by different imaging devices/conditions, which results in a vast change of underlying data distributions (called ‘data domains’). Moreover, due to practical labeling difficulties, some domains (e.g., devices) may not have any data labels. As a result, deep models trained on one specific domain (e.g., a specific device) are difficult to adapt to and thus may perform poorly on other domains (e.g., other devices). To address this issue, we present a multi-target domain adaptation paradigm to transfer a model trained on one labeled source domain to multiple unlabeled target domains. Specifically, we propose a novel Multi-scale Multi-target Domain Adversarial Network (M2DAN) for angle closure classification. M2DAN conducts multi-domain adversarial learning for extracting domain-invariant features and develops a multi-scale module for capturing local and global information of AS-OCT images. Based on these domain-invariant features at different scales, the deep model trained on the source domain is able to classify angle closure on multiple target domains even without any annotations in these domains. Extensive experiments on a real-world AS-OCT dataset demonstrate the effectiveness of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google