JointViT: Modeling Oxygen Saturation Levels with Joint Supervision on Long-Tailed OCTA

要約

血中の酸素飽和度 (SaO2) は、健康にとって、特に睡眠関連の呼吸障害に関連して重要です。
ただし、SaO2 の継続的なモニタリングには時間がかかり、患者の状態によって大きく異なります。
最近、光干渉断層撮影血管造影法 (OCTA) は、眼関連病変を迅速かつ効果的にスクリーニングする上で有望な開発を示しており、睡眠関連障害を診断できる可能性をもたらしています。
このギャップを埋めるために、私たちの論文では 3 つの重要な貢献を紹介します。
まず、監視用の結合損失関数を組み込んだ、Vision Transformer アーキテクチャに基づく新しいモデルである JointViT を提案します。
次に、特に OCTA データセット内のロングテール分布におけるモデルのパフォーマンスを向上させるために、データの前処理中にバランシング拡張手法を導入します。
最後に、OCTA データセットの包括的な実験を通じて、私たちが提案した方法は他の最先端の方法を大幅に上回り、全体の精度で最大 12.28% の向上を達成しました。
この進歩は、睡眠関連障害の診断における将来の OCTA の利用のための基礎を築きます。
プロジェクトの Web サイトを参照 https://steve-zeyu-zhang.github.io/JointViT

要約(オリジナル)

The oxygen saturation level in the blood (SaO2) is crucial for health, particularly in relation to sleep-related breathing disorders. However, continuous monitoring of SaO2 is time-consuming and highly variable depending on patients’ conditions. Recently, optical coherence tomography angiography (OCTA) has shown promising development in rapidly and effectively screening eye-related lesions, offering the potential for diagnosing sleep-related disorders. To bridge this gap, our paper presents three key contributions. Firstly, we propose JointViT, a novel model based on the Vision Transformer architecture, incorporating a joint loss function for supervision. Secondly, we introduce a balancing augmentation technique during data preprocessing to improve the model’s performance, particularly on the long-tail distribution within the OCTA dataset. Lastly, through comprehensive experiments on the OCTA dataset, our proposed method significantly outperforms other state-of-the-art methods, achieving improvements of up to 12.28% in overall accuracy. This advancement lays the groundwork for the future utilization of OCTA in diagnosing sleep-related disorders. See project website https://steve-zeyu-zhang.github.io/JointViT

arxiv情報

提供元, 利用サービス

arxiv.jp, Google