Difusión y aprendizaje contrastivo para clasificar la retinopatía diabética
Un equipo propone un marco que combina imágenes sintéticas generadas con modelos de difusión (DDPM), preentrenamiento contrastivo SimCLR y un conjunto de cinco redes con fusión aprendida. Sobre APTOS 2019 logra una precisión del 95,1 % y una kappa cuadrática ponderada de 0,928, con mejoras notables en las clases Grave (de 61,8 % a 85,6 %) y Leve (de 71,2 % a 88,9 %) frente a EfficientNet-B3. En una validación independiente sobre EyePACS, sin reentrenamiento, la precisión baja al 78,4 %.
Fuentes
- Frontiers in Artificial Intelligence | New and Recent ArticlesDiffusion-augmented contrastive learning for diabetic retinopathy severity classification