論文の概要: Automated Smartphone based System for Diagnosis of Diabetic Retinopathy
- arxiv url: http://arxiv.org/abs/2004.03408v1
- Date: Tue, 7 Apr 2020 14:01:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 01:00:29.363821
- Title: Automated Smartphone based System for Diagnosis of Diabetic Retinopathy
- Title（参考訳）: 糖尿病網膜症診断のためのスマートフォン自動診断システム
- Authors: Misgina Tsighe Hagos, Shri Kant, Surayya Ado Bala
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early diagnosis of diabetic retinopathy for treatment of the disease has been
failing to reach diabetic people living in rural areas. Shortage of trained
ophthalmologists, limited availability of healthcare centers, and expensiveness
of diagnostic equipment are among the reasons. Although many deep
learning-based automatic diagnosis of diabetic retinopathy techniques have been
implemented in the literature, these methods still fail to provide a
point-of-care diagnosis. This raises the need for an independent diagnostic of
diabetic retinopathy that can be used by a non-expert. Recently the usage of
smartphones has been increasing across the world. Automated diagnoses of
diabetic retinopathy can be deployed on smartphones in order to provide an
instant diagnosis to diabetic people residing in remote areas. In this paper,
inception based convolutional neural network and binary decision tree-based
ensemble of classifiers have been proposed and implemented to detect and
classify diabetic retinopathy. The proposed method was further imported into a
smartphone application for mobile-based classification, which provides an
offline and automatic system for diagnosis of diabetic retinopathy.
- Abstract（参考訳）: 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。
眼科医が不足し、医療センターが限られており、診断機器の高価さが理由である。
糖尿病網膜症における深層学習に基づく自動診断は,多くの文献で実装されているが,これらの手法はいまだにポイント・オブ・ケアの診断には至っていない。
これにより、非専門家が使用できる糖尿病網膜症の独立した診断の必要性が高まる。
近年,スマートフォンの利用が世界中で増加している。
糖尿病網膜症の自動診断は、遠隔地に住む糖尿病患者に即時診断を提供するためにスマートフォンに展開することができる。
本稿では, インセプションに基づく畳み込みニューラルネットワークと二分決定木に基づく分類器のアンサンブルを提案し, 糖尿病網膜症の検出と分類を行う。
提案手法は,糖尿病網膜症の診断のためのオフラインおよび自動診断システムを提供する携帯型分類用スマートフォンアプリケーションにさらに導入された。
関連論文リスト
- 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) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Algorithm-based diagnostic application for diabetic retinopathy
detection [0.0]
糖尿病網膜症は世界中で増加する健康問題であり、視覚障害と視覚障害の主要な原因である。
糖尿病網膜症の診断分野における最近の研究は、眼科検査で得られた画像の分析など、高度な技術を用いている。
本稿では,眼球鏡画像の処理と解析を含む自動DR診断法について述べる。
論文 参考訳（メタデータ） (2023-12-01T12:09:06Z) - 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) - Explainable and Interpretable Diabetic Retinopathy Classification Based
on Neural-Symbolic Learning [71.76441043692984]
本稿では,ニューラルシンボリック学習に基づく説明可能な,解釈可能な糖尿病網膜症(ExplainDR)分類モデルを提案する。
本稿では,眼の健康状態に関連する糖尿病網膜症の特徴を分類し,説明可能性を実現するためのヒト可読的シンボル表現を提案する。
論文 参考訳（メタデータ） (2022-04-01T00:54:12Z) - 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) - 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) - Deep Learning Approach to Diabetic Retinopathy Detection [0.0]
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。
論文 参考訳（メタデータ） (2020-03-03T21:17:46Z) - Point-of-Care Diabetic Retinopathy Diagnosis: A Standalone Mobile
Application Approach [0.0]
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。
論文 参考訳（メタデータ） (2020-01-26T11:03:16Z) - 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。