Fugu-MT 論文翻訳(概要): Learned Pre-Processing for Automatic Diabetic Retinopathy Detection on Eye Fundus Images

論文の概要: Learned Pre-Processing for Automatic Diabetic Retinopathy Detection on Eye Fundus Images

arxiv url: http://arxiv.org/abs/2007.13838v1
Date: Mon, 27 Jul 2020 20:06:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-06 09:14:34.129508
Title: Learned Pre-Processing for Automatic Diabetic Retinopathy Detection on Eye Fundus Images
Title（参考訳）: 眼底画像を用いた糖尿病網膜症自動検出のための先行技術
Authors: Asim Smailagic and Anupma Sharan and Pedro Costa and Adrian Galdran and Alex Gaudio and Aur\'elio Campilho
Abstract要約: 眼底画像の事前処理段階として,影の除去と色補正のステップを実装した。この研究に触発されて、特定のタスクの事前処理機能を学ぶことができるシャドウ除去層を提案する。糖尿病網膜症検出タスクにおいて,前処理関数の学習によりネットワークの性能が向上することを示す。
参考スコア（独自算出の注目度）: 1.8534127451723268
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diabetic Retinopathy is the leading cause of blindness in the working-age population of the world. The main aim of this paper is to improve the accuracy of Diabetic Retinopathy detection by implementing a shadow removal and color correction step as a preprocessing stage from eye fundus images. For this, we rely on recent findings indicating that application of image dehazing on the inverted intensity domain amounts to illumination compensation. Inspired by this work, we propose a Shadow Removal Layer that allows us to learn the pre-processing function for a particular task. We show that learning the pre-processing function improves the performance of the network on the Diabetic Retinopathy detection task.
Abstract（参考訳）: 糖尿病網膜症は、世界の労働年齢層において盲目の主な原因である。本研究の目的は,眼底画像から陰影除去および色補正ステップを前処理段階として実装することにより,糖尿病網膜症検出の精度を向上させることである。このため,反転強度領域への画像デハジングの適用が照明補償に寄与することを示す最近の知見に依拠する。この研究に触発されて、我々は特定のタスクの事前処理関数を学習できるシャドウ除去層を提案する。糖尿病網膜症検出タスクにおいて,前処理関数の学習によりネットワークの性能が向上することを示す。

関連論文リスト

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)
Detecting Severity of Diabetic Retinopathy from Fundus Images: A Transformer Network-based Review [1.3217592635033124]
糖尿病網膜症(DR)は世界中の重要な問題の一つと考えられている。本稿では,DRの重大度ステージの自動理解について述べる。我々は、網膜画像の重要な特徴を捉えるために、トランスフォーマーに基づく学習モデルを採用し、微調整する。
論文参考訳（メタデータ） (2023-01-03T07:05:38Z)
Deep Semi-Supervised and Self-Supervised Learning for Diabetic Retinopathy Detection [0.0]
糖尿病網膜症は、先進国の労働年齢層における失明の主要な原因の1つである。深部ニューラルネットワークは眼底画像のDR分類のための自動化システムで広く利用されている。本稿では,ラベル付き画像とラベル付き画像を利用して糖尿病網膜症を検出するモデルを訓練する半教師付き手法を提案する。
論文参考訳（メタデータ） (2022-08-04T02:28:13Z)
A Residual Encoder-Decoder Network for Segmentation of Retinal Image-Based Exudates in Diabetic Retinopathy Screening [1.8496844821697171]
網膜画像におけるエキダレートのセグメンテーションのための残差スキップ接続を有する畳み込みニューラルネットワークを提案する。提案するネットワークは,糖尿病網膜症スクリーニングに適応し,高い精度で抽出する。
論文参考訳（メタデータ） (2022-01-16T04:08:17Z)
Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文参考訳（メタデータ） (2021-09-24T08:11:34Z)
Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using Vessel Image Reconstruction [61.58601145792065]
我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。私たちのアプローチは既存のドメイン戦略よりも優れています。
論文参考訳（メタデータ） (2021-07-20T09:44:07Z)
On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文参考訳（メタデータ） (2021-06-25T08:32:45Z)
DiaRet: A browser-based application for the grading of Diabetic Retinopathy with Integrated Gradients [0.0]
糖尿病は、タイプ1の自己免疫β細胞破壊の欠陥に起因する代謝障害であり、タイプ2のインスリン作用に対する末梢抵抗性または、最も一般的には、両方。長期糖尿病の患者は、しばしば糖尿病網膜症にかかり、人間の目の網膜の変化を引き起こし、極端なケースで視力の喪失につながる可能性があります。本研究の目的は2つある: (a) 劣化した網膜眼底画像のグレードに訓練されたディープラーニングモデルを作成し、 (b) 眼底画像の重要な特徴を強調して診断手順を支援するブラウザベースのアプリケーションを作成することである。
論文参考訳（メタデータ） (2021-03-15T16:19:56Z)
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)
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。