.png){kind=icon}
返回
Contrastive Hierarchical Graph Based Multiple Instance Learning for Fundus Screening
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3398-5_24.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
眼底成像技术，如眼底荧光血管造影（FFA）和光学相干断层扫描（OCT），是视网膜疾病检测的关键诊断工具。这些模态揭示了视网膜组织结构的复杂变化，从而帮助临床医生进行准确诊断和治疗规划。多重实例学习（MIL）的最新进展通过有效提取图像级关键实例的判别特征，改变了眼底图像数据集的分析。然而，传统MIL方法的一个关键局限性在于它们忽略了二维空间域中的区域级关键实例（例如局部病灶），特别是在眼底成像中病理区域通常较为稀疏的情况下。为解决这一差距，我们提出了一种基于对比层次图的多重实例学习（CHG-MIL）框架，该框架集成了三个创新组件：（1）一个空间实例图（SIG）模块，它保留二维空间拓扑结构并挖掘邻近区域级实例之间的上下文关系；（2）一个层次实例交互（HII）模块，利用更深层次的语义表示通过跨层次指导来优化浅层特征；（3）一个层次对比损失（HCL），旨在抑制节点和实例中冗余的、与疾病无关的特征。在APOTOS2023和GAMMA数据集上的广泛实验证明了我们提出的方法优于现有的最先进MIL方法。
Keyword:
Fundus Fluorescein Angiography
Optical Coherence Tomography
Multiple Instance Learning
Contrastive Hierarchical Graph
期刊
I
IF:
0
论文数:
38
被引数:
0
机构
引用论文
Pseudo-Label Clustering-Driven Dual-Level Contrast Learning Based Source-Free Domain Adaptation for Fundus Image Segmentation基于源域无监督域适应的伪标签聚类驱动的双级对比学习眼底图像分割
PREAI
分享收藏A complementary method for automated detection of microaneurysms in fluorescein angiography fundus images to assess diabetic retinopathy一种用于自动检测荧光素血管造影眼底图像中的微动脉瘤以评估糖尿病性视网膜病变的补充方法.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Clinical-grade computational pathology using weakly supervised deep learning on whole slide images在整个幻灯片图像上使用弱监督深度学习的临床级计算病理学NATURE MEDICINEOAAI
NATURE MEDICINEIF50
OAAI分享收藏Data-efficient and weakly supervised computational pathology on whole-slide images全载玻片图像上的数据高效和弱监督计算病理学OAAI
OAAI分享收藏GAMMA challenge: Glaucoma grAding from Multi-Modality imAgesGAMMA挑战: 来自多模态图像的青光眼分级MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏
查看更多内容