基于擴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)自動化、可解釋的視網(wǎng)膜病癥診斷工具的關鍵步驟。然而，眼底圖像上病變的多樣性及復雜性，導致了精確標注的稀缺，限制了傳統(tǒng)監(jiān)督學習方法的發(fā)展及應用。近期研究表明，表征學習通過從大規(guī)模未標注數(shù)據(jù)中預訓練強大的圖像表征提取模型，在下游任務中僅需少量標注數(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散概率模型的表征學習分割框架。這一框架的目標是通... （共14頁）