融合先驗分布的多表征眼底稀有病癥識別

竇全勝,劉 歡,李丙春,劉 靜,姜 平

(1.喀什大學 計算機科學與技術學院,新疆維吾爾自治區 喀什 844008；2.山東工商學院 計算機科學與技術學院,山東 煙臺 264005)

0 引 言

依托于海量標注數據,深度學習在圖像識別領域取得了巨大成功。近年來,相關領域研究者提出運用深度學習技術[1-2]處理醫學圖像,實現病變自動篩查。然而由于醫學影像涉及病人隱私,標注效率低,代價高,多數醫學應用場景缺乏足夠的標注數據,例如糖尿病視網膜病變(DR：Diabetic Retinopathy),存在部分稀有病癥圖像樣本較少,難以充分訓練深度網絡模型,進而導致網絡模型在預測時會忽略這些稀有病癥,使此類模型在眼底病癥自動篩查的應用中仍存在瓶頸。

為滿足深度網絡模型對樣本數量的要求,一些方法使用圖像增強技術,如拉伸、旋轉、縮放或隨機裁切等方式增加樣本數量,這些方法對某些圖像分類問題,取得了一定的性能提升。但對眼底圖像,多數病癥特征在醫學影像中較為細微,傳統圖像增強技術容易造成病癥特征失真甚至丟失,且只從形狀上做改變,難以保證樣本的多樣性。因此,基于簡單的數據增強方法訓練得到的模型,并不適合眼底稀有病癥圖像的識別。

小樣本學習(FSL：Few-Shot Learning)[3]為解決醫學影像數據樣本不足的問題提供了新思路,筆者提出一種融合先驗分布的多表征(MFPD：Multi-representation Fused with Prior Distributions)眼底稀有病癥識別方法,在預訓練模型的基礎上進行微調得到嵌入模型,獲取嵌入特征的先驗分布,進一步將嵌入特征映射到不同特征空間以獲得深層特征。……