近期，医学部生物医学工程学院汪天富、雷柏英教授团队的研究成果“Fundus Image-label Pairs Synthesis and Retinopathy Screening via GANs with Class-imbalanced Semi-supervised Learning”在医学图像处理领域顶级期刊《IEEE Transactions on Medical Imaging》（IF：11.037）上发表。论文第一作者是直博生谢莹鹏，通讯作者是雷柏英特聘教授和王书强研究员，深圳大学为第一署名单位，中国科学院深圳先进技术研究院为合作单位。
眼底疾病是导致人类失明的主要原因。如今，许多深度学习算法已被开发应用于视网膜眼底图像的自动分析。然而，现有方法通常是数据驱动的，很少考虑到采集和注释眼底图像所需的成本，以及由于患病个体在人群中相对稀缺而导致的数据类别不平衡问题。尽管在类别不平衡的数据上进行半监督学习是一个普遍需求，但相关研究仍然非常有限。为填补现有研究的空白，团队探索了生成对抗网络（GANs）作为潜在的解决方案。提出了一种名为CISSL-GANs的新框架，利用动态类别再平衡（DCR）采样器进行类别不平衡半监督学习（CISSL），该采样器能够利用在类别不平衡数据上训练的分类器在少数类别上产生高精度伪标签的特性，从而利用伪标签中的偏置。此外，由于GANs在复杂数据上的训练困难，团队还研究了三种实用的技术，在不改变全局平衡的情况下改善训练过程。实验结果表明，在典型的标签不足和不平衡的场景下，CISSL-GANs能够同时提高眼底图像的类条件生成和分类性能。
该研究获得了国家自然科学基金、广东省自然科学基金、广东省重点实验室、广东省杰出青年学者基金、深圳市重点基础研究发展计划等项目资助。
研究成果链接: https://ieeexplore.ieee.org/document/10087263
代码链接：https://github.com/Xyporz/CISSL-GANs
该研究提出的基于生成对抗网络的类别不平衡半监督学习框架CISSL-GANs
科研动态