标题：半监督学习优化多任务学习网络在糖网病变分类的应用
作者：董中阳
作者单位：广东工业大学自动化学院，广东 广州 510006
关键字：计算机辅助医疗；病变等级分类；糖尿病视网膜病变
摘要：深度学习在糖尿病视网膜病变（Diabetic retinopathy，DR）筛查中的应用往往可分为病变分类和病变区域分割两项子任务。得益于糖尿病视网膜病变在医学上明确的分类标准和较为充分的数据，深度学习在病变程度分类方面取得一定成果，但如何基于眼底图像得到更精细分级以及图像中病变区域自动分割依然是一个亟待解决的问题。采用多任务学习方法来同时处理以上两项任务，并结合对眼底图像病变区域分割特征辅助预测病变程度。同时在训练过程中引入半监督学习，在使用少量病变区域分割像素级标注数据训练模型后生成更多分割预测作为伪标签。最终以端到端的方式训练多任务模型以提高疾病分级和病变分割的性能，并在公共数据集上验证上述解决方案的有效性。