.png){kind=icon}
返回
A structure-enhanced self-supervised learning framework for tongue-image-based diabetes screening
.png){kind=icon}
PRE
AI
DOI：10.1177/20552076261490693.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的：早期糖尿病筛查仍受限于传统生化检测的高成本及对专业设备的依赖。舌部成像作为一种非侵入且便捷的方式，可提供具有诊断价值的线索。然而，糖尿病相关的舌部表现通常空间稀疏且对比度低，难以标注且易被忽略。本研究旨在开发一种自监督学习框架，以增强基于舌部图像的糖尿病筛查中对微弱病理信号的保留。
方法：我们提出舌部结构增强学习（TSEL），一种整合了结构约束表示学习的自监督框架。具体而言，引入结构解耦预测器（SDP）为图像块分配软结构属性，以减少背景主导的干扰。此外，设计了结构增强一致性（SECC）机制，用于对齐完整视图与掩码视图之间的表示，提升表示稳定性。该方法在三个糖尿病相关舌部图像数据集上进行了评估。
结果：实验结果表明，TSEL在所有数据集上均优于多种自监督学习基准，尤其在低标签设置下表现出显著改进。该框架在捕获具有诊断价值的特征方面展现出较传统方法更强的能力。
结论：TSEL通过结构约束学习有效保留了舌部图像中微弱、空间稀疏的病理信号。这些发现强调了在自监督框架中纳入结构先验的重要性，并展示了TSEL在非侵入性糖尿病筛查中的潜力。
期刊
D
IF:
3.3
论文数:
1.3K
被引数:
0
机构
引用论文
分享收藏T2Net: Tongue Image-Based T2DM Detection via Simulated Clinical Diagnostic ReasoningT2Net：基于舌图像的2型糖尿病检测，通过模拟临床诊断推理
PREAI
分享收藏Health system performance for people with diabetes in 28 low- and middle-income countries: A cross-sectional study of nationally representative surveys28个低收入和中等收入国家糖尿病患者的卫生系统绩效: 全国代表性调查的横断面研究.png)
PLOS MEDICINE
OAAI
PLOS MEDICINEIF9.9
OAAI分享收藏Domain knowledge-guided two-stream graph representation for multi-label tongue image recognition领域知识引导的双流图表示方法用于多标签舌图像识别
PREAI
分享收藏Beyond masking: Demystifying token-based pre-training for vision transformers超越掩码：解析基于token的视觉Transformer预训练PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容