論文の概要: Point-of-Care Diabetic Retinopathy Diagnosis: A Standalone Mobile Application Approach

• arxiv url: http://arxiv.org/abs/2002.04066v1
• Date: Sun, 26 Jan 2020 11:03:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 19:44:21.506599
• Title: Point-of-Care Diabetic Retinopathy Diagnosis: A Standalone Mobile Application Approach
• Title（参考訳）: 糖尿病網膜症診断のポイント・オブ・ケア : スタンドアロン・モバイル・アプローチ
• Authors: Misgina Tsighe Hagos
• Abstract要約: 医療における深層学習の活用手法が提案され,本論文に導入されている。 深層学習とモバイルアプリケーション開発がこの論文に統合され、糖尿病網膜症のポイント・オブ・ケア・スマートフォンによる診断が容易になった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although deep learning research and applications have grown rapidly over the past decade, it has shown limitation in healthcare applications and its reachability to people in remote areas. One of the challenges of incorporating deep learning in medical data classification or prediction is the shortage of annotated training data in the healthcare industry. Medical data sharing privacy issues and limited patient population size can be stated as some of the reasons for training data insufficiency in healthcare. Methods to exploit deep learning applications in healthcare have been proposed and implemented in this dissertation. Traditional diagnosis of diabetic retinopathy requires trained ophthalmologists and expensive imaging equipment to reach healthcare centres in order to provide facilities for treatment of preventable blindness. Diabetic people residing in remote areas with shortage of healthcare services and ophthalmologists usually fail to get periodical diagnosis of diabetic retinopathy thereby facing the probability of vision loss or impairment. Deep learning and mobile application development have been integrated in this dissertation to provide an easy to use point-of-care smartphone based diagnosis of diabetic retinopathy. In order to solve the challenge of shortage of healthcare centres and trained ophthalmologists, the standalone diagnostic service was built so as to be operated by a non-expert without an internet connection. This approach could be transferred to other areas of medical image classification.
• Abstract（参考訳）: ディープラーニングの研究とアプリケーションは過去10年間で急速に成長しているが、医療アプリケーションや遠隔地の人々へのリーチ性には限界がある。 医療データ分類や予測にディープラーニングを組み込むことの課題の1つは、医療業界における注釈付きトレーニングデータの不足である。 医療データ共有 プライバシの問題や患者人口の制限は、医療におけるデータ不足のトレーニングの理由として挙げられる。 医療における深層学習の活用手法が提案され,本論文に導入されている。 糖尿病網膜症の伝統的な診断は、予防可能な失明の治療施設を提供するために、専門の眼科医と高価な画像装置を必要とする。 医療サービス不足の遠隔地に住む糖尿病患者や眼科医は通常、糖尿病網膜症の定期的な診断に失敗し、視力喪失や障害のリスクに直面している。 深層学習とモバイルアプリケーション開発がこの論文に統合され、糖尿病網膜症のポイント・オブ・ケア・スマートフォンによる診断が容易になった。 医療センターの不足や眼科医の育成といった課題を解決するため、インターネット接続のない非専門家が運用できるようにスタンドアロンの診断サービスを構築した。 このアプローチは、医療画像分類の他の領域に移すことができる。

関連論文リスト

• Federated Learning for Diabetic Retinopathy Diagnosis: Enhancing Accuracy and Generalizability in Under-Resourced Regions [0.3277163122167433]
  糖尿病網膜症は、世界中の高齢者の視覚喪失の原因となっているが、未治療領域では眼科医が欠如している。 現在の最先端のディープラーニングシステムは、一般化性に限界があるため、これらの機関で苦労している。 本稿では,効率的なNetB0アーキテクチャを用いた糖尿病網膜症診断のための新しいフェデレーション学習システムについて検討する。
  論文  参考訳（メタデータ） (2024-10-30T23:56:56Z)
• Looking into Concept Explanation Methods for Diabetic Retinopathy Classification [0.0]
  基礎画像を用いて糖尿病網膜症に対する糖尿病患者全員のスクリーニングは不可能である。 深層学習は、眼底画像の自動解析とグルーピングの素晴らしい結果を示している。 説明可能な人工知能手法は、ディープニューラルネットワークを説明するために応用できる。
  論文  参考訳（メタデータ） (2024-10-04T07:01:37Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• Privacy-preserving machine learning for healthcare: open challenges and future perspectives [72.43506759789861]
  医療におけるプライバシー保護機械学習(PPML)に関する最近の文献を概観する。 プライバシ保護トレーニングと推論・アズ・ア・サービスに重点を置いています。 このレビューの目的は、医療におけるプライベートかつ効率的なMLモデルの開発をガイドすることである。
  論文  参考訳（メタデータ） (2023-03-27T19:20:51Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Automated Smartphone based System for Diagnosis of Diabetic Retinopathy [0.0]
  糖尿病網膜症の早期診断は、農村部に住む糖尿病患者に届かなかった。 専門の眼科医の不足、医療センターの不足、診断機器の高価さなどがその理由である。 深層学習に基づく糖尿病網膜症の自動診断が本研究で実施されている。
  論文  参考訳（メタデータ） (2020-04-07T14:01:36Z)
• Diabetic Retinopathy detection by retinal image recognizing [0.0]
  アプリケーションの開発は畳み込みニューラルネットワークを通じて行われ、各画像ピクセルをデジタル画像処理して分析する。 VGG-16を事前訓練したモデルとして応用するのは非常に有用であり、最終的なモデルの精度は82%であった。
  論文  参考訳（メタデータ） (2020-01-14T16:36:59Z)

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。