Fugu-MT 論文翻訳(概要): Deep Learning Approach to Diabetic Retinopathy Detection

論文の概要: Deep Learning Approach to Diabetic Retinopathy Detection

arxiv url: http://arxiv.org/abs/2003.02261v1
Date: Tue, 3 Mar 2020 21:17:46 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 22:18:41.823473
Title: Deep Learning Approach to Diabetic Retinopathy Detection
Title（参考訳）: 糖尿病網膜症検出のための深層学習アプローチ
Authors: Borys Tymchenko, Philip Marchenko and Dmitry Spodarets
Abstract要約: そこで本研究では,ヒトの眼底写真から糖尿病網膜症を自動的に検出する深層学習手法を提案する。また、異なるラベル付けの類似したデータセットを利用するトランスファーラーニングの多段階的アプローチを提案する。本発明の方法は, 糖尿病網膜症の早期発見のためのスクリーニング法として, 感度, 特異性0。
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: Diabetic retinopathy is one of the most threatening complications of diabetes that leads to permanent blindness if left untreated. One of the essential challenges is early detection, which is very important for treatment success. Unfortunately, the exact identification of the diabetic retinopathy stage is notoriously tricky and requires expert human interpretation of fundus images. Simplification of the detection step is crucial and can help millions of people. Convolutional neural networks (CNN) have been successfully applied in many adjacent subjects, and for diagnosis of diabetic retinopathy itself. However, the high cost of big labeled datasets, as well as inconsistency between different doctors, impede the performance of these methods. In this paper, we propose an automatic deep-learning-based method for stage detection of diabetic retinopathy by single photography of the human fundus. Additionally, we propose the multistage approach to transfer learning, which makes use of similar datasets with different labeling. The presented method can be used as a screening method for early detection of diabetic retinopathy with sensitivity and specificity of 0.99 and is ranked 54 of 2943 competing methods (quadratic weighted kappa score of 0.925466) on APTOS 2019 Blindness Detection Dataset (13000 images).
Abstract（参考訳）: 糖尿病網膜症は糖尿病の最も危険な合併症の1つである。重要な課題の1つは早期発見であり、治療の成功にとって非常に重要である。残念ながら、糖尿病網膜症ステージの正確な同定はトリッキーで、基礎画像の人間による解釈を必要とする。検出ステップの簡略化は不可欠であり、何百万人もの人に役立つ。 convolutional neural networks (cnn) は糖尿病網膜症自体の診断に有用である。しかし、大きなラベル付きデータセットの高コストと、異なる医師間の不整合は、これらの手法の性能を阻害する。本稿では,ヒトの眼底写真による糖尿病網膜症のステージ検出のための,ディープラーニングによる自動検出手法を提案する。さらに,ラベルの異なる類似したデータセットを利用するトランスファー学習の多段階的アプローチを提案する。本方法は, 感度と特異度が0.99の糖尿病網膜症の早期発見のためのスクリーニング法として用いることができ, aptos 2019 blindness detection dataset (13000イメージ) において, 2943 の競合法 (quadratic weighted kappa score of 0.925466) のうち54 位にランクされる。

関連論文リスト

Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文参考訳（メタデータ） (2024-10-18T12:37:51Z)
Dual Branch Deep Learning Network for Detection and Stage Grading of Diabetic Retinopathy [2.3884184860468136]
本稿では,糖尿病網膜症の診断とステージグレーディングのためのディープラーニング手法を提案する。提案されたモデルは、APTOS 2019データセットを含む、大規模なマルチセンターデータセットに基づいてトレーニングされている。糖尿病網膜症の検出とステージ分類において顕著な性能を発揮する。
論文参考訳（メタデータ） (2023-08-19T08:41:41Z)
Deep Semi-Supervised and Self-Supervised Learning for Diabetic Retinopathy Detection [0.0]
糖尿病網膜症は、先進国の労働年齢層における失明の主要な原因の1つである。深部ニューラルネットワークは眼底画像のDR分類のための自動化システムで広く利用されている。本稿では,ラベル付き画像とラベル付き画像を利用して糖尿病網膜症を検出するモデルを訓練する半教師付き手法を提案する。
論文参考訳（メタデータ） (2022-08-04T02:28:13Z)
Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文参考訳（メタデータ） (2022-07-02T11:50:02Z)
A Residual Encoder-Decoder Network for Segmentation of Retinal Image-Based Exudates in Diabetic Retinopathy Screening [1.8496844821697171]
網膜画像におけるエキダレートのセグメンテーションのための残差スキップ接続を有する畳み込みニューラルネットワークを提案する。提案するネットワークは,糖尿病網膜症スクリーニングに適応し,高い精度で抽出する。
論文参考訳（メタデータ） (2022-01-16T04:08:17Z)
Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文参考訳（メタデータ） (2021-12-20T13:29:13Z)
Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文参考訳（メタデータ） (2021-10-04T16:06:49Z)
Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。 DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-04T11:31:15Z)
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 Diabetic Retinopathy Grading using Deep Convolutional Neural Network [0.7646713951724012]
糖尿病網膜症を正確に検出するコンピュータ支援検出システムの能力は、研究者の間で普及した。本研究では,事前トレーニングされたDenseNet121ネットワークを利用して,いくつかの修正を加え,APTOS 2019データセットでトレーニングした。提案手法は早期発見において他の最先端ネットワークよりも優れており,糖尿病網膜症の重症度評価において96.51%の精度でマルチラベル分類を行った。
論文参考訳（メタデータ） (2020-04-14T07:37:21Z)

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。