arXiv cs.CY· Lisa Y. W. Tang·· 12 小时前AI 评分22
双眼中一：面向资源受限筛查的特权学习框架
Two for One: Privileged Learning for Resource-Constrained Screening
AI 导读
研究提出一种特权学习框架，训练时教师模型可使用双眼彩色眼底照片（CFP），学生模型仅以单眼图像为输入学习迁移双眼知识，推理阶段无需对侧图像。在年龄相关性黄斑变性检测上，左眼图像 AUC 从 0.931 提升至 0.966；糖尿病视网膜病变从 0.789 提升至 0.836。该方法有望支持资源受限临床与筛查环境中的更可靠部署。
正文 · AI 翻译
摘要：机器学习系统通常在数据丰富的条件下开发，但在部署时往往只能获得不完整的信息。一个典型的例子出现在彩色眼底摄影（CFP）中，通常会对双眼进行成像，因为它们可以为眼部疾病评估提供互补信息。此前利用双侧信息的方法要么在单一模型中融合双眼，要么使用知识蒸馏将双眼教师模型压缩为轻量级学生模型，而后者在测试时仍然需要两张图像。然而，双侧采集并不总是可行。因此，我们提出了一种特权学习框架，其中教师模型在训练期间可以访问双侧 CFP 图像，并学习由双眼信息所塑造的表征，而学生模型则被训练为仅以单眼图像作为输入，从双侧教师模型中迁移这些知识。在推理时，学生模型仅基于这一单眼输入运行，不需要对侧图像。实验结果表明，与传统的单眼训练相比，受试者工作特征曲线下面积持续提升，其中在检测年龄相关性黄斑变性（0.931 对 0.966）和糖尿病视网膜病变（0.789 对 0.836）时，左眼图像取得了最大增益。%，同时在推理时仅需要单眼图像。通过使模型在训练期间能够受益于双侧信息，而在推理时仅需要单眼图像，我们的方法可能有助于在资源受限的临床和筛查环境中实现更可靠的部署。
| 主题： | 计算机视觉与模式识别（cs.CV）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2610.29126 [cs.CV] |
| （或 arXiv:2610.29126v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29126 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lisa Y.W. Tang [查看电子邮件]
[v1]
2026年10月21日星期三 03:09:41 UTC（59 KB）
来源：arXiv cs.CY · arxiv.org