JointViT: Modeling Oxygen Saturation Levels with Joint Supervision on Long-Tailed OCTA

本文摘要介绍了血液氧饱和度（SaO2）对健康的重要性，特别是与睡眠相关的呼吸障碍有关。然而，SaO2的持续监测非常耗时，并且高度变化取决于患者的状况。最近，光学相干断层扫描血管造影（OCTA）在快速有效地筛查与眼部病变有关的方面展示出了有希望的发展，为诊断睡眠相关障碍提供了潜力。为了弥合这一差距，本文提出了三个关键贡献。首先，我们提出了JointViT，这是一种基于视觉变换器架构的新型模型，采用联合损失函数进行监督。其次，我们在数据预处理期间引入了平衡增强技术，以提高模型的性能，特别是在OCTA数据集的长尾分布上。最后，通过对OCTA数据集的全面实验，我们提出的方法在整体准确性方面显著优于其他最先进的方法，总体准确性提高了高达12.28％。这一进展为将来利用OCTA诊断睡眠相关障碍奠定了基础。详见项目网站https://steve-zeyu-zhang.github.io/JointViT。

论文旨在解决通过眼底成像技术（OCTA）快速有效地筛查与睡眠相关的疾病的问题，以及如何处理OCTA数据集中的长尾分布问题。

论文提出了一种基于Vision Transformer架构的新模型JointViT，采用联合损失函数进行监督，同时在数据预处理阶段引入平衡增强技术来提高模型性能。

论文通过对OCTA数据集进行全面实验，证明了所提出的方法在整体准确性上比其他现有方法有显著提高，最高可达12.28%。论文还开源了项目代码。

最近的相关研究包括：'Deep learning-based classification of retinal OCT images'、'Optical coherence tomography angiography for retinal vascular disease: a review'、'Vision Transformer: A New Vision Architecture for Transformers'等。