.png){kind=icon}
返回
Multimodal self-supervised retinal vessel segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.108011.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从眼底图像中自动分割视网膜血管对于及时的临床诊断至关重要。然而，标注医学图像所需的高成本和专业知识往往导致标记数据集有限，从而限制了深度学习方法的全部潜力。近年来，利用无标签数据进行自监督预训练的最新进展已显示出对下游任务的显著益处。认识到多模态特征融合可以显著提高视网膜血管分割的准确性，本文介绍了一种新颖的自监督预训练框架，该框架利用成对的无标签多模态眼底图像来生成监督信号。其核心思想是利用两种模态之间的互补差异，通过Vision Transformer编码和相关滤波构建包含血管信息的多模态特征融合图。然后在INFOMAX损失的指导下学习实例级判别特征，并将所学知识迁移到一个有监督的血管分割网络中。广泛的实验表明，本方法在无监督方法中取得了最先进的结果，与有监督基准相比仍具有竞争力，同时大大降低了标注需求。
Keyword:
Retinal vessel segmentation
Multi-modal data
Deep INFOMAX
Self-supervised pretext tasks
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
引用论文
Deep and machine learning techniques for medical imaging-based breast cancer: A comprehensive review基于医学成像的乳腺癌的深度和机器学习技术: 综合综述
PREAI
分享收藏Special T-Net: Nested encoder-decoder architecture for the main vessel segmentation in coronary angiography.png)
NEURAL NETWORKS
OAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏A New Hybrid Algorithm for Retinal Vessels Segmentation on Fundus Images一种新的混合眼底图像视网膜血管分割算法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Automated classification of cells into multiple classes in epithelial tissue of oral squamous cell carcinoma using transfer learning and convolutional neural network使用转移学习和卷积神经网络将口腔鳞状细胞癌上皮组织中的细胞自动分类为多个课程NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏Hierarchical deep network with uncertainty-aware semi-supervised learning for vessel segmentation
OAAI
OAAI分享收藏分享收藏
查看更多内容