Anatomy-Slot: Apprendimento Profondo Non Supervisionato per la Diagnosi Retinica tramite Confronto Bilaterale degli Occhi

Un nuovo approccio di deep learning chiamato Anatomy-Slot è stato introdotto dai ricercatori per migliorare la diagnostica retinica confrontando direttamente strutture simili in entrambi gli occhi, simile a come operano i clinici. Questo modello presenta un collo di bottiglia anatomico non supervisionato che scompone i token di patch in slot, allineandoli tramite attenzione incrociata bidirezionale. Testato sul dataset ODIR-5K, Anatomy-Slot ha mostrato un aumento del 4,2% nell'AUC rispetto a una corrispondente baseline ViT-L (IC 95%; test dei ranghi con segno di Wilcoxon, W=0, p=0,002). Esperimenti aggiuntivi hanno incluso la perturbazione dell'accoppiamento, test di stress con rumore gaussiano, grounding quantitativo del disco ottico su REFUGE e analisi della localizzazione dell'attenzione incrociata. Questa ricerca è stata pubblicata su arXiv nel campo della visione artificiale e del riconoscimento di pattern.