論文の概要: Early Detection of Retinopathy of Prematurity (ROP) in Retinal Fundus
Images Via Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2006.06968v1
- Date: Fri, 12 Jun 2020 07:04:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 03:59:51.535954
- Title: Early Detection of Retinopathy of Prematurity (ROP) in Retinal Fundus
Images Via Convolutional Neural Networks
- Title(参考訳): 畳み込みニューラルネットワークを用いた網膜基底画像における未熟児網膜症(ROP)の早期検出
- Authors: Xin Guo, Yusuke Kikuchi, Guan Wang, Jinglin Yi, Qiong Zou, and Rui
Zhou
- Abstract要約: 未熟児網膜症(英: Retinopathy of prematurity、ROP)は、未熟児または低出生体重児の網膜に発生する異常血管である。
我々はこの問題を解決するために最先端の畳み込みニューラルネットワーク技術を適用した。
- 参考スコア(独自算出の注目度): 9.292828440911356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retinopathy of prematurity (ROP) is an abnormal blood vessel development in
the retina of a prematurely-born infant or an infant with low birth weight. ROP
is one of the leading causes for infant blindness globally. Early detection of
ROP is critical to slow down and avert the progression to vision impairment
caused by ROP. Yet there is limited awareness of ROP even among medical
professionals. Consequently, dataset for ROP is limited if ever available, and
is in general extremely imbalanced in terms of the ratio between negative
images and positive ones. In this study, we formulate the problem of detecting
ROP in retinal fundus images in an optimization framework, and apply
state-of-art convolutional neural network techniques to solve this problem.
Experimental results based on our models achieve 100 percent sensitivity, 96
percent specificity, 98 percent accuracy, and 96 percent precision. In
addition, our study shows that as the network gets deeper, more significant
features can be extracted for better understanding of ROP.
- Abstract(参考訳): 未熟児網膜症(retinopathy of prematurity, rop)は、未熟児または低出生体重児の網膜における異常血管の発生である。
ROPは世界中の乳幼児の盲目の主要な原因の1つである。
ROPの早期検出は、ROPによる視覚障害の進行を抑えるために重要である。
しかし、医療専門家の間でもROPに対する意識は限られている。
したがって、ROPのデータセットは利用可能であれば制限され、一般的には負のイメージと正のイメージの比率において非常に不均衡である。
本研究では, 網膜底像中のropを検出する問題を最適化フレームワークで定式化し, 最先端の畳み込みニューラルネットワーク技術を用いてこの問題を解決した。
私たちのモデルに基づく実験結果は、100%の感度、96%の特異性、98%の精度、96%の精度を実現しています。
さらに本研究では,ネットワークの深層化に伴い,ROPの理解を深めるために,より重要な特徴を抽出できることを示す。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳(メタデータ) (2024-09-29T07:04:26Z) - Current and future roles of artificial intelligence in retinopathy of
prematurity [14.333209377077058]
未熟児の網膜症 (ROP) は重篤な病態である。
近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。
i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
論文 参考訳(メタデータ) (2024-02-15T14:35:02Z) - Strategy for Rapid Diabetic Retinopathy Exposure Based on Enhanced
Feature Extraction Processing [0.0]
本研究の目的は, 糖尿病網膜症の診断を改善するために, 時間的DR識別のための深層学習モデルを開発することである。
提案モデルでは,早期に網膜画像から様々な病変を検出する。
論文 参考訳(メタデータ) (2023-05-08T14:17:33Z) - Towards Super-Resolution CEST MRI for Visualization of Small Structures [4.004046600770185]
関節リウマチなどのリウマチ性疾患の発症は、典型的にはサブクリニカルであり、早期発見が困難である。
CEST(Chemical Exchange saturation Transfer) MRIのような最新のイメージング技術は、早期検出の改善を期待している。
CEST MRIは、買収の根底にある物理的制約のために本質的に低分解能に悩まされている。
ニューラルネットワークが低分解能から高分解能の不飽和CEST画像からマッピングを学習できることを示す。
論文 参考訳(メタデータ) (2021-12-03T13:41:57Z) - Distributionally Robust Segmentation of Abnormal Fetal Brain 3D MRI [5.463018151091638]
最先端のディープラーニングパイプライン nnU-Net では,異常なケースの一般化が困難であることを示す。
我々は、データセット上のボリューム当たり損失の分布のパーセンタイルを最小限に抑えるために、ディープニューラルネットワークをトレーニングすることを提案する。
我々は368個の胎児脳T2w MRIを用いてアプローチを検証した。
論文 参考訳(メタデータ) (2021-08-09T17:00:21Z) - 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) - 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) - 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) - 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。