Fugu-MT 論文翻訳(概要): Deep Sequential Feature Learning in Clinical Image Classification of Infectious Keratitis

論文の概要: Deep Sequential Feature Learning in Clinical Image Classification of Infectious Keratitis

arxiv url: http://arxiv.org/abs/2006.02666v1
Date: Thu, 4 Jun 2020 06:45:15 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 12:39:53.759506
Title: Deep Sequential Feature Learning in Clinical Image Classification of Infectious Keratitis
Title（参考訳）: 感染症性角膜炎の画像分類における深部特徴学習
Authors: Yesheng Xu, Ming Kong, Wenjia Xie, Runping Duan, Zhengqing Fang, Yuxiao Lin, Qiang Zhu, Siliang Tang, Fei Wu, Yu-Feng Yao
Abstract要約: 感染性角膜炎(infectious keratitis)は、急速かつ正確な診断を必要とする救急疾患である。本研究では,感染性角膜疾患の鑑別と微妙さを効果的に識別するシーケンシャルレベルの深層学習モデルを提案する。
参考スコア（独自算出の注目度）: 20.495575521910272
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Infectious keratitis is the most common entities of corneal diseases, in which pathogen grows in the cornea leading to inflammation and destruction of the corneal tissues. Infectious keratitis is a medical emergency, for which a rapid and accurate diagnosis is needed for speedy initiation of prompt and precise treatment to halt the disease progress and to limit the extent of corneal damage; otherwise it may develop sight-threatening and even eye-globe-threatening condition. In this paper, we propose a sequential-level deep learning model to effectively discriminate the distinction and subtlety of infectious corneal disease via the classification of clinical images. In this approach, we devise an appropriate mechanism to preserve the spatial structures of clinical images and disentangle the informative features for clinical image classification of infectious keratitis. In competition with 421 ophthalmologists, the performance of the proposed sequential-level deep model achieved 80.00% diagnostic accuracy, far better than the 49.27% diagnostic accuracy achieved by ophthalmologists over 120 test images.
Abstract（参考訳）: 感染性角膜炎は角膜疾患の最も一般的な疾患であり、角膜に病原体が増殖し、炎症や角膜組織の破壊を引き起こす。感染性角膜炎(英語: Infectious keratitis)は、疾患の進行を抑え、角膜損傷の程度を制限するために、迅速かつ正確な治療を迅速かつ迅速に開始するために、迅速かつ正確な診断が必要である医療用緊急事態である。本稿では,臨床画像の分類による感染性角膜疾患の鑑別と微妙さを効果的に識別するシーケンシャルレベルの深層学習モデルを提案する。本研究では, 臨床像の空間的構造を保存し, 感染性角膜炎の画像分類のための情報的特徴を解消するための適切なメカニズムを考案する。 421人の眼科医と競合するように、提案されたシーケンシャルレベル深層モデルの性能は80.00%の診断精度を達成し、120以上の眼科医が達成した49.27%の診断精度よりもはるかに優れている。

関連論文リスト

FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文参考訳（メタデータ） (2024-10-29T21:37:03Z)
Common and Rare Fundus Diseases Identification Using Vision-Language Foundation Model with Knowledge of Over 400 Diseases [57.27458882764811]
以前の網膜画像の基礎モデルは、限られた疾患カテゴリと知識ベースで事前訓練された。 RetiZeroの事前トレーニングのために、公開データセット、眼科文献、オンラインリソースから得られたテキスト記述と組み合わせた341,896のベースイメージをコンパイルした。 RetiZeroは、ゼロショット病の認識、画像と画像の検索、内部およびドメイン間の疾患の識別など、いくつかの下流タスクにおいて優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2024-06-13T16:53:57Z)
Automating Detection of Papilledema in Pediatric Fundus Images with Explainable Machine Learning [36.655566061309734]
パピレデマは眼神経疾患であり、頭蓋内圧が上昇すると視神経が膨らむ。本稿では,小児パピレデマの自動検出のためのディープラーニングに基づくアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-10T23:30:05Z)
A deep learning model for classification of diabetic retinopathy in eye fundus images based on retinal lesion detection [0.0]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病が網膜に影響を及ぼす結果である。失明の原因は、未診断で治療を受けていない場合である。本稿では眼底画像の自動DR分類モデルを提案する。
論文参考訳（メタデータ） (2021-10-14T22:04:59Z)
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)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
A Benchmark of Ocular Disease Intelligent Recognition: One Shot for Multi-disease Detection [9.059366200759722]
眼科領域では、早期眼底スクリーニングは眼疾患による盲目を防ぐ経済的かつ効果的な方法である。実際の医療現場に合わせて8つの疾患のデータセットを公開し、5,000人の患者の両眼からの1万の眼底画像を含む。
論文参考訳（メタデータ） (2021-02-16T07:00:49Z)
Learning Differential Diagnosis of Skin Conditions with Co-occurrence Supervision using Graph Convolutional Networks [8.39397743703592]
臨床画像を用いた皮膚疾患の鑑別診断が可能な深層学習システム(DLS)を提案する。 DLSは, 画像ラベルが不完全である場合に, 複数ラベルの分類タスクとして80以上の条件を定式化する。本手法は臨床画像136,462枚に示され,分類精度は共起監督の利点が大きいと結論された。
論文参考訳（メタデータ） (2020-07-13T20:13:25Z)
Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文参考訳（メタデータ） (2020-05-12T08:01:16Z)
AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography [61.405005501608706]
アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
論文参考訳（メタデータ） (2020-05-05T14:55:01Z)

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。