Fugu-MT 論文翻訳(概要): Pathological myopia classification with simultaneous lesion segmentation using deep learning

論文の概要: Pathological myopia classification with simultaneous lesion segmentation using deep learning

arxiv url: http://arxiv.org/abs/2006.02813v1
Date: Thu, 4 Jun 2020 12:21:06 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 12:39:30.092659
Title: Pathological myopia classification with simultaneous lesion segmentation using deep learning
Title（参考訳）: 深層学習を用いた同時病変分割による病理近視分類
Authors: Ruben Hemelings, Bart Elen, Matthew B. Blaschko, Julie Jacob, Ingeborg Stalmans, Patrick De Boever
Abstract要約: 最近導入されたPathologicalal Myopiaデータセットのために開発された畳み込みニューラルネットワークの結果に関する調査報告我々は,新しい視神経頭(ONH)による萎縮と葉のセグメンテーションの予測法を提案する。
参考スコア（独自算出の注目度）: 16.456009188497823
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This investigation reports on the results of convolutional neural networks developed for the recently introduced PathologicAL Myopia (PALM) dataset, which consists of 1200 fundus images. We propose a new Optic Nerve Head (ONH)-based prediction enhancement for the segmentation of atrophy and fovea. Models trained with 400 available training images achieved an AUC of 0.9867 for pathological myopia classification, and a Euclidean distance of 58.27 pixels on the fovea localization task, evaluated on a test set of 400 images. Dice and F1 metrics for semantic segmentation of lesions scored 0.9303 and 0.9869 on optic disc, 0.8001 and 0.9135 on retinal atrophy, and 0.8073 and 0.7059 on retinal detachment, respectively. Our work was acknowledged with an award in the context of the "PathologicAL Myopia detection from retinal images" challenge held during the IEEE International Symposium on Biomedical Imaging (April 2019). Considering that (pathological) myopia cases are often identified as false positives and negatives in classification systems for glaucoma, we envision that the current work could aid in future research to discriminate between glaucomatous and highly-myopic eyes, complemented by the localization and segmentation of landmarks such as fovea, optic disc and atrophy.
Abstract（参考訳）: 本研究は,最近導入したPathologicalal Myopia(PALM)データセットのために開発された畳み込みニューラルネットワークの結果について報告する。我々は,新しい視神経頭(ONH)による萎縮と葉のセグメンテーションの予測法を提案する。 400のトレーニング画像で訓練されたモデルは、病的近視分類のauc 0.9867、foveaローカライズタスクのユークリッド距離58.27ピクセルを達成し、400画像のテストセットで評価した。光ディスクでは0.9303, 0.9869, 網膜萎縮では0.8001, 0.9135, 網膜剥離では0.8073, 0.7059であった。われわれの研究は、IEEE International Symposium on Biomedical Imaging (2019年4月)で開かれた「網膜画像からのPathologicalal Myopia検出」の文脈で認められた。緑内障の分類システムにおいて(病理)近視症例が偽陽性,陰性と認識されることが多いことから,本研究は,fovea, optic disc,atrophyなどのランドマークの局在と分節化を補完する,緑内障眼と高視眼の両眼を識別する今後の研究に役立つと考えられる。

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)
PALM: Open Fundus Photograph Dataset with Pathologic Myopia Recognition and Anatomical Structure Annotation [41.80715213373843]
病理組織学的ミオピア (PM) は、高盲人人口による一般的な筋性網膜変性症である。本稿では,病理診断のためのオープン・ベース画像データセットPALMと解剖学的構造アノテーションについて考察する。
論文参考訳（メタデータ） (2023-05-13T02:00:06Z)
Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文参考訳（メタデータ） (2023-04-26T14:11:04Z)
Incremental Cross-Domain Adaptation for Robust Retinopathy Screening via Bayesian Deep Learning [7.535751594024775]
網膜症は、タイムリーに治療されないと、深刻な視覚障害や失明を引き起こす網膜疾患のグループである。本稿では, 深い分類モデルを用いて, 異常網膜病理を段階的に学習することのできる, 漸進的なクロスドメイン適応手法を提案する。提案したフレームワークは、6つの公開データセットで評価され、全体的な精度とF1スコアをそれぞれ0.9826と0.9846で達成することで、最先端の競合他社を上回っている。
論文参考訳（メタデータ） (2021-10-18T13:45:21Z)
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)
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)
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)
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)
Automatic lesion segmentation and Pathological Myopia classification in fundus images [1.4174475093445236]
病理組織学的ミオピア (PM) の診断と, 視神経円板 (OD) , 眼窩, 萎縮, 剥離などの網膜構造, 病変の検出のためのアルゴリズムを提案する。これらの課題は, PM患者からの根底画像撮影において実施され, PALM(Pathological Myopia Challenge)への参加が求められている。
論文参考訳（メタデータ） (2020-02-15T13:38:30Z)

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。