基于多个教师的知识蒸,用于视网膜血管细分
Abdullah Eid1, Musa Aydin1, Zeki Kuş1
1Department of Computer Engineering, Fatih Sultan Mehmet Vakif University, Beyoğlu, 34450 Istanbul Türkiye.
Health information science and systems
|June 23, 2025
概括
本研究介绍了一种新的多教师基础知识蒸 (MTKD) 方法,用于视网膜血管细分 (RVS). MTKD改善了薄和厚的视网膜血管的准确细分,提高了诊断能力.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 准确的视网膜血管细分对于诊断眼部疾病至关重要.
- 目前的方法难以细分细血管,影响诊断和治疗.
- 这种局限性需要改进细分技术,以获得更好的患者结果.
研究的目的:
- 开发一种新的基于多个教师的知识蒸 (MTKD) 方法,用于视网膜血管细分 (RVS).
- 为了应对精确细分薄和厚视网膜血管的挑战.
- 与现有方法相比,提高RVS的稳定性和准确性.
主要方法:
- 为RVS提出了一种基于多个教师的知识蒸 (MTKD) 方法.
- 培训了三个专业的教师网络,专注于原始的,薄的和厚的血管地面真理.
- 训练了一个学生网络,从多个教师的软预测中学习,最大限度地减少知识差异.
- 在学生模型的损失函数中引入了惩罚技术,以提高绩效.
主要成果:
- MTKD方法在视网膜底部和血管学数据集上表现出高度竞争力的表现.
- 在F1分数中提高了8.44分,在IOU中提高了10.42分.
- 废弃性研究证实了多教师策略,损失函数和模型复杂性的有效性.
结论:
- MTKD提供了一种有希望的方法来提高视网膜血管细分的准确性和稳定性.
- 该方法通过利用教师的专业知识,有效地学习对不同类型的船只进行细分.
- 公共可用的代码和数据促进了RVS的可复制性和进一步的研究.
