Semi-Supervised Semantic Segmentation Methods for UW-OCTA Diabetic Retinopathy Grade Assessment

要約

糖尿病の人は、健康な人よりも糖尿病性網膜症 (DR) を発症する可能性が高くなります。
ただし、DR は失明の主な原因です。
現在、糖尿病性網膜症の診断は、主に経験豊富な臨床医がカラー眼底画像の細かい特徴を認識することに依存しています。
これは時間のかかる作業です。
したがって、この論文では、UW-OCTA DR自動検出の開発を促進するために、UW-OCTA DR画像グレード評価のための新しい半教師付きセマンティックセグメンテーション方法を提案します。
この方法では、まず、MAE アルゴリズムを使用して UW-OCTA DR グレード評価データセットに対して半教師付き事前トレーニングを実行し、UW-OCTA 画像の教師付き情報をマイニングすることで、ラベル付きデータの必要性を軽減します。
次に、UW-OCTA 画像の各領域の病変特徴をより完全にマイニングするために、この論文では、異なる視覚的特徴処理戦略を持つ 3 つのアルゴリズムを展開することにより、クロスアルゴリズム アンサンブル DR 組織セグメンテーション アルゴリズムを構築します。
このアルゴリズムには、事前トレーニング済みの MAE、ConvNeXt、および SegFormer という 3 つのサブアルゴリズムが含まれています。
これら 3 つのサブアルゴリズムの頭文字に基づいて、このアルゴリズムは MCS-DRNet と名付けられます。
最後に、MCS-DRNet アルゴリズムをインスペクターとして使用し、DR グレード評価アルゴリズムの予備評価の結果を確認して修正します。
実験結果は、MCS-DRNet v1 と v2 の平均サイコロ類似係数がそれぞれ 0.5161 と 0.5544 であることを示しています。
DRグレーディング評価の二次加重カッパは0.7559です。
私たちのコードはまもなくリリースされます。

要約(オリジナル)

People with diabetes are more likely to develop diabetic retinopathy (DR) than healthy people. However, DR is the leading cause of blindness. At present, the diagnosis of diabetic retinopathy mainly relies on the experienced clinician to recognize the fine features in color fundus images. This is a time-consuming task. Therefore, in this paper, to promote the development of UW-OCTA DR automatic detection, we propose a novel semi-supervised semantic segmentation method for UW-OCTA DR image grade assessment. This method, first, uses the MAE algorithm to perform semi-supervised pre-training on the UW-OCTA DR grade assessment dataset to mine the supervised information in the UW-OCTA images, thereby alleviating the need for labeled data. Secondly, to more fully mine the lesion features of each region in the UW-OCTA image, this paper constructs a cross-algorithm ensemble DR tissue segmentation algorithm by deploying three algorithms with different visual feature processing strategies. The algorithm contains three sub-algorithms, namely pre-trained MAE, ConvNeXt, and SegFormer. Based on the initials of these three sub-algorithms, the algorithm can be named MCS-DRNet. Finally, we use the MCS-DRNet algorithm as an inspector to check and revise the results of the preliminary evaluation of the DR grade evaluation algorithm. The experimental results show that the mean dice similarity coefficient of MCS-DRNet v1 and v2 are 0.5161 and 0.5544, respectively. The quadratic weighted kappa of the DR grading evaluation is 0.7559. Our code will be released soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google