論文の概要: Improving Lesion Segmentation for Diabetic Retinopathy using Adversarial Learning

• arxiv url: http://arxiv.org/abs/2007.13854v1
• Date: Mon, 27 Jul 2020 20:43:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 09:14:24.288803
• Title: Improving Lesion Segmentation for Diabetic Retinopathy using Adversarial Learning
• Title（参考訳）: 糖尿病網膜症に対するadversarial learningを用いた病変分節の改善
• Authors: Qiqi Xiao and Jiaxu Zou and Muqiao Yang and Alex Gaudio and Kris Kitani and Asim Smailagic and Pedro Costa and Min Xu
• Abstract要約: HEDNetとCGANを用いた糖尿病網膜症病変のピクセルレベルセグメンテーションのためのエンド・ツー・エンドシステムを提案する。 本実験は, 対向損失の付加により, 基線上の病変のセグメンテーション性能が向上することを示した。
• 参考スコア（独自算出の注目度）: 21.69817451167427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic Retinopathy (DR) is a leading cause of blindness in working age adults. DR lesions can be challenging to identify in fundus images, and automatic DR detection systems can offer strong clinical value. Of the publicly available labeled datasets for DR, the Indian Diabetic Retinopathy Image Dataset (IDRiD) presents retinal fundus images with pixel-level annotations of four distinct lesions: microaneurysms, hemorrhages, soft exudates and hard exudates. We utilize the HEDNet edge detector to solve a semantic segmentation task on this dataset, and then propose an end-to-end system for pixel-level segmentation of DR lesions by incorporating HEDNet into a Conditional Generative Adversarial Network (cGAN). We design a loss function that adds adversarial loss to segmentation loss. Our experiments show that the addition of the adversarial loss improves the lesion segmentation performance over the baseline.
• Abstract（参考訳）: 糖尿病網膜症(dr)は、成人の視覚障害の主要な原因である。 dr病変は眼底画像の同定に困難であり, dr自動検出システムは強い臨床価値をもたらす可能性がある。 インド糖尿病網膜症画像データセット(IDRiD)は、DR用の公表されたデータセットのうち、微小動脈瘤、出血、軟口蓋、硬口蓋の4つの異なる病変のピクセルレベルのアノテーションで網膜基底像を提示する。 我々は,HEDNetエッジ検出器を用いて,このデータセットのセマンティックセマンティックセマンティクスタスクを解くとともに,HEDNetを条件生成逆数ネットワーク(cGAN)に組み込むことで,DR病変のピクセルレベルセマンティクスのエンドツーエンドシステムを提案する。 セグメント化損失に逆損失を加える損失関数を設計する。 本実験は, 対向損失の付加により, 基線上の病変のセグメンテーション性能が向上することを示した。

関連論文リスト

• TJDR: A High-Quality Diabetic Retinopathy Pixel-Level Annotation Dataset [12.685780222519902]
  TJDRは、トンジ大学附属のトンジ病院から得られた571枚の画像で構成されている。 画像のプライベート情報は、解剖学的構造を表示する際の明瞭さを確保しつつ、慎重に除去される。 このデータセットはトレーニングとテストセットに分割され、DR病変セグメンテーション研究コミュニティの進歩に貢献するために公開された。
  論文  参考訳（メタデータ） (2023-12-24T02:46:25Z)
• Robust T-Loss for Medical Image Segmentation [56.524774292536264]
  本稿では,医用画像分割のための新しいロバストな損失関数T-Lossを提案する。 提案した損失は、Student-t分布の負のログ類似度に基づいており、データ内の外れ値の処理を効果的に行うことができる。 実験の結果,T-Lossは2つの医療データセットのダイススコアにおいて従来の損失関数よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-01T14:49:40Z)
• 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)
• A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection [12.669734891001667]
  糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。 硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。 ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-22T17:39:00Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• 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)
• 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)
• Adversarial Exposure Attack on Diabetic Retinopathy Imagery Grading [75.73437831338907]
  糖尿病網膜症(DR)は、世界中の視覚障害の主要な原因である。 診断を助けるために、多くの最先端の作業が強力なディープニューラルネットワーク(DNN)を構築し、網膜基底画像(RFI)を介してDRを自動的にグレードする。 RFIは一般的に、不正グレードにつながる可能性のあるカメラ露出の問題によって影響を受ける。 本稿では,敵攻撃の観点からこの問題を考察する。
  論文  参考訳（メタデータ） (2020-09-19T13:47:33Z)
• 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)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。