This paper investigates the problem of domain adaptation for diabetic retinopathy (DR) grading. We learn invariant target-domain features by defining a novel self-supervised task based on retinal vessel image reconstructions, inspired by medical domain knowledge. Then, a benchmark of current state-of-the-art unsupervised domain adaptation methods on the DR problem is provided. It can be shown that our approach outperforms existing domain adaption strategies. Furthermore, when utilizing entire training data in the target domain, we are able to compete with several state-of-the-art approaches in final classification accuracy just by applying standard network architectures and using image-level labels.


翻译:本文探讨了糖尿病视网膜病(DR)分级的域适应问题。 我们通过在医学领域知识的启发下,根据视网膜容器图像重建,界定了一种新的自我监督任务,学习了无变目标域特征。 然后,提供了当前最先进的无监控域适应DR问题方法的基准。可以表明,我们的方法优于现有域适应战略。此外,在使用目标领域的整个培训数据时,我们能够仅仅通过应用标准网络架构和使用图像等级标签,在最终分类精度方面与一些最先进的方法竞争。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年9月2日
中国数字经济就业发展研究报告2021,43页pdf
专知会员服务
70+阅读 · 2021年3月27日
Python图像处理,366页pdf,Image Operators Image Processing in Python
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
三维重建 3D reconstruction 有哪些实用算法?
极市平台
13+阅读 · 2020年2月23日
一文读懂Faster RCNN
极市平台
5+阅读 · 2020年1月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Arxiv
13+阅读 · 2021年3月29日
VIP会员
Top
微信扫码咨询专知VIP会员