Fugu-MT 論文翻訳(概要): An Efficient Framework for Automated Screening of Clinically Significant Macular Edema

論文の概要: An Efficient Framework for Automated Screening of Clinically Significant Macular Edema

arxiv url: http://arxiv.org/abs/2001.07002v1
Date: Mon, 20 Jan 2020 07:34:13 GMT
ステータス: 処理完了
システム内更新日: 2023-01-08 04:57:34.218665
Title: An Efficient Framework for Automated Screening of Clinically Significant Macular Edema
Title（参考訳）: 臨床的に有意な黄斑浮腫自動スクリーニングのための効率的な枠組み
Authors: Renoh Johnson Chalakkal, Faizal Hafiz, Waleed Abdulla, and Akshya Swain
Abstract要約: 本研究は,臨床上重要な黄斑浮腫(CSME)の自動スクリーニングのための新しいアプローチを提案する。提案手法は、トレーニング済みのディープニューラルネットワークとメタヒューリスティックな特徴選択を組み合わせたものである。スクイードデータセットの効果を克服するために、機能領域のオーバーサンプリング技術が使用されている。
参考スコア（独自算出の注目度）: 0.41998444721319206
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The present study proposes a new approach to automated screening of Clinically Significant Macular Edema (CSME) and addresses two major challenges associated with such screenings, i.e., exudate segmentation and imbalanced datasets. The proposed approach replaces the conventional exudate segmentation based feature extraction by combining a pre-trained deep neural network with meta-heuristic feature selection. A feature space over-sampling technique is being used to overcome the effects of skewed datasets and the screening is accomplished by a k-NN based classifier. The role of each data-processing step (e.g., class balancing, feature selection) and the effects of limiting the region-of-interest to fovea on the classification performance are critically analyzed. Finally, the selection and implication of operating point on Receiver Operating Characteristic curve are discussed. The results of this study convincingly demonstrate that by following these fundamental practices of machine learning, a basic k-NN based classifier could effectively accomplish the CSME screening.
Abstract（参考訳）: 本研究は, 臨床上重要な黄斑浮腫 (CSME) の自動スクリーニングへの新たなアプローチを提案し, このようなスクリーニングに関連する2つの大きな課題,すなわち, セグメンテーションと不均衡データセットに対処する。提案手法は,事前学習したディープニューラルネットワークとメタヒューリスティックな特徴選択を組み合わせることで,従来の排他的セグメンテーションに基づく特徴抽出を置き換える。スクリューデータセットの効果を克服するために,機能空間のオーバーサンプリング技術が用いられ,k-NNベースの分類器によってスクリーニングが実現されている。各データ処理ステップ(例えば、クラスバランス、特徴選択)の役割と、分類性能に対する関心領域と関心領域の制限の影響を批判的に分析する。最後に、受信者動作特性曲線に対する操作点の選択と意味について論じる。本研究は,これらの機械学習の基本的実践に従えば,基本的なk-NNに基づく分類器がCSMEスクリーニングを効果的に達成できることを示すものである。

関連論文リスト

ICH-SCNet: Intracerebral Hemorrhage Segmentation and Prognosis Classification Network Using CLIP-guided SAM mechanism [12.469269425813607]
脳内出血 (ICH) は脳卒中で最も致命的なサブタイプであり, 障害の発生頻度が高いことが特徴である。既存のアプローチでは、これらの2つのタスクを独立して処理し、主にデータのみにフォーカスする。本稿では,ICHセグメンテーションと予後分類の両方のために設計されたマルチタスクネットワークICH-SCNetを提案する。
論文参考訳（メタデータ） (2024-11-07T12:34:25Z)
Fine-tuning -- a Transfer Learning approach [0.22344294014777952]
電子健康記録(EHR)の欠落は、この貴重な資源に欠落するデータが豊富にあるため、しばしば妨げられる。既存の深い計算手法は、計算処理とダウンストリーム解析の両方を組み込んだエンドツーエンドのパイプラインに依存している。本稿では,モジュール型深層学習型計算・分類パイプラインの開発について検討する。
論文参考訳（メタデータ） (2024-11-06T14:18:23Z)
Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
Optimized Machine Learning for CHD Detection using 3D CNN-based Segmentation, Transfer Learning and Adagrad Optimization [0.0]
冠動脈疾患(Corronary Heart Disease,CHD)は、死因の一つ。本稿では,機械学習と画像処理を組み合わせることで,CHDの存在を予測する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2023-04-30T06:55:20Z)
Adaptation of Autoencoder for Sparsity Reduction From Clinical Notes Representation Learning [0.19573380763700707]
本稿では,臨床ノート表現の空間的縮小を生かしたオートエンコーダ学習アルゴリズムを提案する。その動機は, 臨床注記表現特徴空間の次元を小さくすることで, スパースな高次元データを圧縮する方法を決定することである。提案手法により,評価毎に最大3%の性能向上が得られた。
論文参考訳（メタデータ） (2022-09-26T16:37:37Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
PointNu-Net: Keypoint-assisted Convolutional Neural Network for Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
論文参考訳（メタデータ） (2021-11-01T08:29:40Z)
Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文参考訳（メタデータ） (2021-09-06T13:10:37Z)
MCDAL: Maximum Classifier Discrepancy for Active Learning [74.73133545019877]
近年の最先端のアクティブラーニング手法は, 主にGAN(Generative Adversarial Networks)をサンプル取得に活用している。本稿では,MCDAL(Maximum Discrepancy for Active Learning)と呼ぶ新しいアクティブラーニングフレームワークを提案する。特に,両者の差分を最大化することにより,より厳密な決定境界を学習する2つの補助的分類層を利用する。
論文参考訳（メタデータ） (2021-07-23T06:57:08Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。