Fugu-MT 論文翻訳(概要): Glaucoma Detection From Raw Circumapillary OCT Images Using Fully Convolutional Neural Networks

論文の概要: Glaucoma Detection From Raw Circumapillary OCT Images Using Fully Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2006.00027v1
Date: Fri, 29 May 2020 18:31:07 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 23:12:22.070143
Title: Glaucoma Detection From Raw Circumapillary OCT Images Using Fully Convolutional Neural Networks
Title（参考訳）: 完全畳み込みニューラルネットワークを用いたOCT画像からの緑内障検出
Authors: Gabriel Garc\'ia, Roc\'io del Amor, Adri\'an Colomer, Valery Naranjo
Abstract要約: 緑内障は世界中の盲目の原因です生の乳頭周囲CT画像から緑内障を検出するための深層学習に基づく2つのアプローチを提案する。 1つ目は、ゼロからトレーニングされた畳み込みニューラルネットワーク(CNN)の開発に基づいている。 2つ目は、最も一般的な最先端のCNNアーキテクチャの微調整である。
参考スコア（独自算出の注目度）: 1.6704594205447996
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nowadays, glaucoma is the leading cause of blindness worldwide. We propose in this paper two different deep-learning-based approaches to address glaucoma detection just from raw circumpapillary OCT images. The first one is based on the development of convolutional neural networks (CNNs) trained from scratch. The second one lies in fine-tuning some of the most common state-of-the-art CNNs architectures. The experiments were performed on a private database composed of 93 glaucomatous and 156 normal B-scans around the optic nerve head of the retina, which were diagnosed by expert ophthalmologists. The validation results evidence that fine-tuned CNNs outperform the networks trained from scratch when small databases are addressed. Additionally, the VGG family of networks reports the most promising results, with an area under the ROC curve of 0.96 and an accuracy of 0.92, during the prediction of the independent test set.
Abstract（参考訳）: 現在、緑内障は世界中で盲目の原因となっている。本稿では,本論文で提案する2つの異なる深層学習に基づく緑内障検出手法を提案する。 1つ目は、スクラッチから訓練された畳み込みニューラルネットワーク(cnns)の開発に基づいている。 2つ目は、最も一般的な最先端のCNNアーキテクチャの微調整である。実験は、網膜の視神経頭部の周囲に93個の緑内障と156個の正常なBスキャンからなるプライベートデータベース上で行われ、専門の眼科医によって診断された。検証の結果、微調整されたCNNは、小さなデータベースに対処する際に、スクラッチからトレーニングされたネットワークよりも優れていることが証明された。さらに、ネットワークのVGGファミリーは、独立したテストセットの予測において、ROC曲線0.96以下の領域と精度0.92の領域で最も有望な結果を報告している。

関連論文リスト

InceptionCaps: A Performant Glaucoma Classification Model for Data-scarce Environment [0.0]
緑内障は不可逆的な眼疾患で世界第2位の視覚障害の原因です本稿では,InceptionV3を畳み込みベースとしたカプセルネットワーク(CapsNet)をベースとした新しいディープラーニングモデルであるInceptionCapsを提案する。 InceptionCapsは0.956、特異性0.96、AUC0.9556を達成し、RIM-ONE v2データセット上での最先端のディープラーニングモデルのパフォーマンスを上回った。
論文参考訳（メタデータ） (2023-11-24T11:58:11Z)
Predicting skull fractures via CNN with classification algorithms [0.0]
ResNet50は、頭蓋骨の骨折を脳のCTスキャンから3つの骨折カテゴリに分類するために開発された。 F1スコアは96%、ハミングスコアは95%、バランスドスコアは94%、OC AUC曲線は96%であった。
論文参考訳（メタデータ） (2022-08-14T01:37:23Z)
Medical Application of Geometric Deep Learning for the Diagnosis of Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文参考訳（メタデータ） (2022-04-14T14:55:25Z)
Stain Normalized Breast Histopathology Image Recognition using Convolutional Neural Networks for Cancer Detection [9.826027427965354]
近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。乳腺病理像の2値分類のためのCNNモデルについて検討した。我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
論文参考訳（メタデータ） (2022-01-04T03:09:40Z)
Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文参考訳（メタデータ） (2021-08-07T10:12:42Z)
Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
緑内障は世界の視覚障害の主要な原因の1つである。生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
論文参考訳（メタデータ） (2021-06-25T10:53:01Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
緑内障は世界でも不可逆的な盲目の主要な原因です 7000万人以上が影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
論文参考訳（メタデータ） (2020-10-15T03:09:08Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
A Light CNN for detecting COVID-19 from CT scans of the chest [9.088303226909279]
OVID-19は世界保健機関(WHO)によってパンデミックと宣言された世界規模の病気である。深層学習は医学画像や畳み込みニューラルネットワーク(CNN)にも広く使われており、CT画像の分類にも使われている。我々は,SqueezeNetのモデルに基づく軽量CNN設計を提案し,新型コロナウイルスのCT画像の効率的な識別を行う。
論文参考訳（メタデータ） (2020-04-24T07:58:49Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。