DisMix: Mixup Ordine-Consapevole per Imaging Medico tramite Disaccoppiamento di Caratteristiche Ordinali e Non-Ordinali

È stato sviluppato un nuovo metodo di data augmentation chiamato DisMix per superare i limiti delle strategie mixup convenzionali nella classificazione ordinale, specialmente nel contesto della gradazione delle malattie mediche. Questa tecnica, descritta in un articolo arXiv (2608.04652), separa le caratteristiche ordinali da quelle non ordinali utilizzando una VQ-VAE a doppio codebook, che consente il mixup indipendente di ciascun sottospazio di caratteristiche. Interpola i codici ordinali per creare livelli di gravità intermedi, mentre i codici non ordinali vengono regolati per aumentare la diversità dell'aspetto senza compromettere l'informazione ordinale. Testato su quattro dataset di imaging medico, DisMix ha superato sei baseline di mixup di immagini quando utilizzato con sei classificatori ordinali, segnando un progresso significativo per una valutazione accurata della gravità nell'imaging medico, essenziale per una diagnosi efficace e la pianificazione del trattamento.