通用视网膜增强
该适配器通过分解为自监督重建与目标域适配两阶段，仅需少量配对数据和可训练参数即可高效微调，大幅提升模型对不同数据集和退化类型的泛化性。
Yang, Bingyu · Haonan, Han · Weihang, Zhang · 李慧琦
Medical Image Analysis 2025
重建阶段采用自监督训练，利用未配对数据，避免了对大量配对标注的依赖，从而可以利用广泛的公开数据集提升模型泛化性。
适配损失和增强适配器设计使得微调时所需训练参数更少，收敛更快，与从头训练相比效率更高。
该方法可以方便地针对目标数据集和退化类型进行微调，实验证明其在不同数据集和退化类型上具有良好的适应性。