COINS:使用 Inpainting 进行自主监督学习来计算圆

科学领域:

• 眼科医生 眼科 眼科
• 计算成像技术的成像
• 机器学习 机器学习

背景情况:

• 在视网膜图像中精确的形计数对于诊断和监测眼睛疾病至关重要.
• 传统方法在低分辨率和广视场的自适应光学 (AO) 图像方面扎.
• 现有的算法在各种成像条件下缺乏稳定性.

研究的目的:

• 引入一种新的自主监督学习 (SSL) 方法,用于在AO图像中计数光受体.
• 评估拟议的COINS (使用基于IN绘画的自主监督学习计数) 方法的性能,与已建立的算法对比.
• 为了证明COINS在处理广视场,低分辨率的AO数据集中的有效性.

主要方法:

• 开发了一种 COINS 模型,利用 inpainting 借口任务来进行表示学习.
• 微调SSL模型,使用一组有限的专家注释图像.
• 将COINS方法应用于使用AO rtx1设备获取的4°×4°的AO图像数据集.

主要成果:

• COINS方法显著优于基线Delaunay三角化Voronoi算法用于子计数.
• COINS在80×80像素小的区域中展示了精确的圆计数能力.
• 该模型在广视场图像中的各种位置显示出强大的性能.

结论:

• COINS提供了一种强大而准确的解决方案,用于在具有挑战性的AO视网膜图像中计数圆.
• 自主监督学习与inpainting相结合,为分析低分辨率眼科数据提供了有效的策略.
• 拟议的方法有可能提高视网膜疾病的诊断能力.