基于擴(kuò)散模型確定性病變表征的眼底病灶分割方法

摘要： 獲取全面的眼底病變分割圖是開發(fā)自動(dòng)化、可解釋的視網(wǎng)膜病癥診斷工具的關(guān)鍵步驟。然而，眼底圖像上病變的多樣性及復(fù)雜性，導(dǎo)致了精確標(biāo)注的稀缺，限制了傳統(tǒng)監(jiān)督學(xué)習(xí)方法的發(fā)展及應(yīng)用。近期研究表明，表征學(xué)習(xí)通過從大規(guī)模未標(biāo)注數(shù)據(jù)中預(yù)訓(xùn)練強(qiáng)大的圖像表征提取模型，在下游任務(wù)中僅需少量標(biāo)注數(shù)據(jù)即可取得優(yōu)異的性能表現(xiàn)。本研究提出了一種新穎的基于去噪擴(kuò)散概率模型的表征學(xué)習(xí)分割框架。這一框架的目標(biāo)是通... ... （共14頁）