对早产儿视网膜病诊断的对抗性血管揭示半监督分割
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对早产儿视网膜病（ROP）诊断中的眼底图像准确分割问题，提出了一种半监督分割框架，以减少对大量手动标注的依赖。通过结合不确定性加权的血管揭示模块和领域对抗学习，我们的模型能有效识别难以检测的血管结构，并在多个公共数据集和内部ROP数据集中显示出优越的性能。这一方法不仅提升了分割精度，还改善了ROP多阶段分类的诊断准确性，展示了在儿科眼科中的临床应用潜力。
本研究提出了一种半监督分割框架，旨在提高早产儿视网膜病（ROP）诊断中眼底图像的分割精度，减少对手动标注的依赖。通过结合不确定性加权和领域对抗学习，模型有效识别难以检测的血管结构，显著提升了ROP分类的诊断准确性。
