論文の概要: RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2
Visual Field Data based on Retinal Structure
- arxiv url: http://arxiv.org/abs/2010.07488v2
- Date: Sun, 20 Jun 2021 00:00:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 03:43:41.819762
- Title: RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2
Visual Field Data based on Retinal Structure
- Title（参考訳）: RetiNerveNet: Recursive Deep Learning を用いて網膜構造に基づくポイントワイド24-2視野データの推定
- Authors: Shounak Datta and Eduardo B. Mariottoni and David Dov and Alessandro
A. Jammal and Lawrence Carin and Felipe A. Medeiros
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 109.33721060718392
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Glaucoma is the leading cause of irreversible blindness in the world,
affecting over 70 million people. The cumbersome Standard Automated Perimetry
(SAP) test is most frequently used to detect visual loss due to glaucoma. Due
to the SAP test's innate difficulty and its high test-retest variability, we
propose the RetiNerveNet, a deep convolutional recursive neural network for
obtaining estimates of the SAP visual field. RetiNerveNet uses information from
the more objective Spectral-Domain Optical Coherence Tomography (SDOCT).
RetiNerveNet attempts to trace-back the arcuate convergence of the retinal
nerve fibers, starting from the Retinal Nerve Fiber Layer (RNFL) thickness
around the optic disc, to estimate individual age-corrected 24-2 SAP values.
Recursive passes through the proposed network sequentially yield estimates of
the visual locations progressively farther from the optic disc. While all the
methods used for our experiments exhibit lower performance for the advanced
disease group, the proposed network is observed to be more accurate than all
the baselines for estimating the individual visual field values. We further
augment RetiNerveNet to additionally predict the SAP Mean Deviation values and
also create an ensemble of RetiNerveNets that further improves the performance,
by increasingly weighting-up underrepresented parts of the training data.
- Abstract（参考訳）: 緑内障は世界でも不可逆的な盲目の原因であり、7000万人以上の人々に影響を与えている。
カンバーソーム標準自動周囲測定(sap)テストは、緑内障による視力低下を検出するために最も頻繁に用いられる。
SAPテストの自然的困難さと高いテスト-再テストのばらつきから,SAP視野の推定値を得るための深層畳み込み再帰型ニューラルネットワークRetiNerveNetを提案する。
RetiNerveNetはより客観的なSpectral-Domain Optical Coherence Tomography (SDOCT)からの情報を使用する。
retinervenetは、視神経線維層(rnfl)の厚さから始まり、個々の年齢補正された24-2 sap値を推定するために、網膜神経線維の弧状の収束を追跡しようと試みている。
提案するネットワークを通過する再帰的パスは、光学ディスクから徐々に遠ざかる視覚位置の推定結果を生成する。
本実験で用いた全ての手法は, 進行性疾患群に対して低い性能を示すが, 提案したネットワークは, 個々の視野値を評価するためのベースラインよりも精度が高い。
我々はさらにRetiNerveNetを拡張して、SAP平均偏差値の予測とRetiNerveNetのアンサンブルを作成し、トレーニングデータの未表現部分の重み付けを増大させることにより、パフォーマンスをさらに向上させる。
関連論文リスト
- FS-Net: Full Scale Network and Adaptive Threshold for Improving
Extraction of Micro-Retinal Vessel Structures [4.776514178760067]
本稿では,エンコーダ・デコーダニューラルネットワークアーキテクチャに基づく大規模マイクロ容器抽出機構を提案する。
提案手法はDRIVE,CHASE-DB1,STAREデータセットを用いて評価されている。
論文 参考訳（メタデータ） (2023-11-14T10:32:17Z) - Optimization dependent generalization bound for ReLU networks based on
sensitivity in the tangent bundle [0.0]
本稿では,フィードフォワードReLUネットワークの一般化誤差に基づいたPAC型を提案する。
得られた境界はネットワークの深さに明示的に依存しない。
論文 参考訳（メタデータ） (2023-10-26T13:14:13Z) - Deep Neural Networks Tend To Extrapolate Predictably [51.303814412294514]
ニューラルネットワークの予測は、アウト・オブ・ディストリビューション(OOD)入力に直面した場合、予測不可能で過信される傾向がある。
我々は、入力データがOODになるにつれて、ニューラルネットワークの予測が一定値に向かう傾向があることを観察する。
我々は、OOD入力の存在下でリスクに敏感な意思決定を可能にするために、私たちの洞察を実際に活用する方法を示します。
論文 参考訳（メタデータ） (2023-10-02T03:25:32Z) - EndoDepthL: Lightweight Endoscopic Monocular Depth Estimation with
CNN-Transformer [0.0]
我々は,CNNとTransformerを統合してマルチスケール深度マップを推定する,EndoDepthLという新しい軽量ソリューションを提案する。
提案手法は,ネットワークアーキテクチャの最適化,マルチスケール拡張畳み込み,マルチチャネルアテンション機構の導入を含む。
内視鏡画像における単眼深度推定の性能をよりよく評価するために,新しい複雑性評価指標を提案する。
論文 参考訳（メタデータ） (2023-08-04T21:38:29Z) - Can pruning improve certified robustness of neural networks? [106.03070538582222]
ニューラルネット・プルーニングはディープ・ニューラル・ネットワーク(NN)の実証的ロバスト性を向上させることができることを示す。
実験の結果,NNを適切に刈り取ることで,その精度を8.2%まで向上させることができることがわかった。
さらに,認証された宝くじの存在が,従来の密集モデルの標準および認証された堅牢な精度に一致することを観察する。
論文 参考訳（メタデータ） (2022-06-15T05:48:51Z) - SalFBNet: Learning Pseudo-Saliency Distribution via Feedback
Convolutional Networks [8.195696498474579]
本稿では,サリエンシ検出のためのフィードバック再帰的畳み込みフレームワーク(SalFBNet)を提案する。
大規模Pseudo-Saliencyデータセットを作成し、唾液度検出におけるデータ不足の問題を軽減する。
論文 参考訳（メタデータ） (2021-12-07T14:39:45Z) - Why Lottery Ticket Wins? A Theoretical Perspective of Sample Complexity
on Pruned Neural Networks [79.74580058178594]
目的関数の幾何学的構造を解析することにより、刈り取られたニューラルネットワークを訓練する性能を解析する。
本稿では,ニューラルネットワークモデルがプルーニングされるにつれて,一般化が保証された望ましいモデル近傍の凸領域が大きくなることを示す。
論文 参考訳（メタデータ） (2021-10-12T01:11:07Z) - CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point
Clouds [51.47100091540298]
本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。
CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
論文 参考訳（メタデータ） (2021-08-31T23:27:33Z) - Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。
損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文 参考訳（メタデータ） (2020-12-31T18:53:25Z) - Variational Depth Search in ResNets [2.6763498831034043]
ワンショットのニューラルアーキテクチャサーチにより、ウェイトとネットワークアーキテクチャの合同学習が可能になり、計算コストが削減される。
探索空間を残差ネットワークの深さに制限し、解析的に抽出可能な変分目的を定式化し、1ショットで近似された奥行きの奥行きの偏りを許容する。
MNIST, Fashion-MNIST, SVHNデータセットのネットワーク深度を手動で探索する手法の比較を行った。
論文 参考訳（メタデータ） (2020-02-06T16:00:03Z)
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。