論文の概要: GREEN: a Graph REsidual rE-ranking Network for Grading Diabetic Retinopathy

• arxiv url: http://arxiv.org/abs/2007.09968v2
• Date: Tue, 21 Jul 2020 09:02:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 13:47:42.201376
• Title: GREEN: a Graph REsidual rE-ranking Network for Grading Diabetic Retinopathy
• Title（参考訳）: GREEN : 糖尿病網膜症に対するグラフ残差rEレベルネットワーク
• Authors: Shaoteng Liu, Lijun Gong, Kai Ma, Yefeng Zheng
• Abstract要約: 本稿では,従来の画像分類ネットワークに先立ってクラス依存性を導入するために,グラフ残差rEランクネットワーク(Green)を提案する。 標準ベンチマークの実験では、GREENは最先端のアプローチに対して好意的に機能することが示された。
• 参考スコア（独自算出の注目度）: 31.26435485399567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The automatic grading of diabetic retinopathy (DR) facilitates medical diagnosis for both patients and physicians. Existing researches formulate DR grading as an image classification problem. As the stages/categories of DR correlate with each other, the relationship between different classes cannot be explicitly described via a one-hot label because it is empirically estimated by different physicians with different outcomes. This class correlation limits existing networks to achieve effective classification. In this paper, we propose a Graph REsidual rE-ranking Network (GREEN) to introduce a class dependency prior into the original image classification network. The class dependency prior is represented by a graph convolutional network with an adjacency matrix. This prior augments image classification pipeline by re-ranking classification results in a residual aggregation manner. Experiments on the standard benchmarks have shown that GREEN performs favorably against state-of-the-art approaches.
• Abstract（参考訳）: 糖尿病網膜症(DR)の自動グレーディングは、患者と医師の両方の医療診断を促進する。 既存の研究は画像分類問題としてDRグレーディングを定式化している。 DRのステージ/カテゴリは相互に相関しているため、異なる結果を持つ異なる医師によって実験的に推定されるため、異なるクラス間の関係は1ホットラベルで明確に説明できない。 このクラス相関は、既存のネットワークを効果的に分類するために制限する。 本稿では,元の画像分類ネットワークに先行してクラス依存性を導入するグラフ残差再ランキングネットワーク(green)を提案する。 クラス依存性優先は、隣接行列を持つグラフ畳み込みネットワークによって表現される。 この以前の画像分類パイプラインは、再ランク付けにより、残差集約方式で画像分類を行う。 標準ベンチマークの実験では、GREENは最先端のアプローチに対して好意的に機能することが示された。

関連論文リスト

• Diabetic retinopathy image classification method based on GreenBen data augmentation [4.41534013021788]
  糖尿病網膜症(DR)画像の診断のために,人工知能を用いた分類法を提案する。 このコアは、網膜画像からグリーンチャネルのグレースケール画像を抽出し、次にベンエンハンスメントを実行する、新しいデータ拡張手法であるGreenBenに組み込まれている。 糖尿病黄斑浮腫(DME)はDRに近縁な合併症であると考え,多タスク学習と注意モジュールに基づくDRとDMEの複合分類フレームワークを構築した。
  論文  参考訳（メタデータ） (2024-10-12T08:52:28Z)
• CLIP-DR: Textual Knowledge-Guided Diabetic Retinopathy Grading with Ranking-aware Prompting [48.47935559597376]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の合併症の一つで、視力低下のレベルに達するのに何十年もかかる。 現在のDRグレーディング手法のほとんどは、データのばらつきに不十分な堅牢性に悩まされている。 3つの観測結果に基づく新しいDRグレーティングフレームワークCLIP-DRを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:14:18Z)
• Categorical Relation-Preserving Contrastive Knowledge Distillation for Medical Image Classification [75.27973258196934]
  そこで本研究では,一般的な平均教師モデルであるCRCKD(Categorical Relation-Reserving Contrastive Knowledge Distillation)アルゴリズムを提案する。 この正規化により、学生モデルの特徴分布はクラス内類似度が高く、クラス間分散を示す。 CCDとCRPの貢献により、我々のCRCKDアルゴリズムはより包括的に関係知識を蒸留することができる。
  論文  参考訳（メタデータ） (2021-07-07T13:56:38Z)
• RA-GCN: Graph Convolutional Network for Disease Prediction Problems with Imbalanced Data [47.00510780034136]
  クラス不均衡は疾患予測の分野でよく知られた問題である。 本稿では,グラフベースの分類器の性能を高めるために,Re-weighted Adversarial Graph Convolutional Network (RA-GCN)を提案する。 本研究では,ra-gcnの合成および3種類の医療用データセットに対する優越性を示す。
  論文  参考訳（メタデータ） (2021-02-27T14:06:27Z)
• Learning Discriminative Representations for Fine-Grained Diabetic Retinopathy Grading [6.129288755571804]
  糖尿病網膜症は視覚障害の主要な原因の1つである。 病気の重症度を判定するには、眼科医は眼底画像の識別部分に焦点を当てる必要がある。
  論文  参考訳（メタデータ） (2020-11-04T04:16:55Z)
• Conversion and Implementation of State-of-the-Art Deep Learning Algorithms for the Classification of Diabetic Retinopathy [0.0]
  Inception-V3, VGG19, VGG16, ResNet50, InceptionResNetV2を実験により評価した。 彼らは、DR重度に基づいて、医療画像を5つの異なるクラスに分類する。 実験の結果、ResNet50はバイナリ分類の最高性能を示している。
  論文  参考訳（メタデータ） (2020-10-07T20:42:14Z)
• Cost-Sensitive Regularization for Diabetic Retinopathy Grading from Eye Fundus Images [20.480034690570196]
  本稿では,眼底画像から糖尿病網膜症(DR)の重症度を予測するための制約を強制するための簡単なアプローチを提案する。 正規化要因として機能する余分な用語で標準分類損失を拡大する。 DRグレーディングに関連する各サブプロブレムにおいて,ラベルノイズのモデル化に我々の手法を適用する方法について述べる。
  論文  参考訳（メタデータ） (2020-10-01T10:42:06Z)
• 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)
• DcardNet: Diabetic Retinopathy Classification at Multiple Levels Based on Structural and Angiographic Optical Coherence Tomography [1.9262162668141078]
  糖尿病網膜症(DR)分類の枠組みを満たすために,畳み込みニューラルネットワーク(CNN)に基づく手法を提案する。 DR分類のために、適応レートドロップアウト(DcardNet)を備えた高密度かつ連続的に接続されたニューラルネットワークを設計する。 国際臨床糖尿病網膜症尺度に基づいて3つの分類レベルを作成した。
  論文  参考訳（メタデータ） (2020-06-09T19:44:10Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。