論文の概要: DeepOpht: Medical Report Generation for Retinal Images via Deep Models
and Visual Explanation
- arxiv url: http://arxiv.org/abs/2011.00569v1
- Date: Sun, 1 Nov 2020 17:28:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 22:46:07.844376
- Title: DeepOpht: Medical Report Generation for Retinal Images via Deep Models
and Visual Explanation
- Title（参考訳）: deepopht: 深いモデルと視覚的説明による網膜画像の医用レポート生成
- Authors: Jia-Hong Huang, Chao-Han Huck Yang, Fangyu Liu, Meng Tian, Yi-Chieh
Liu, Ting-Wei Wu, I-Hung Lin, Kang Wang, Hiromasa Morikawa, Hernghua Chang,
Jesper Tegner, Marcel Worring
- Abstract要約: 本手法は、網膜疾患識別子と臨床記述生成器を含むディープニューラルネットワーク(DNN)モジュールからなる。
本手法は臨床的に関係のある有意義な網膜画像記述と視覚的説明を作成することができる。
- 参考スコア（独自算出の注目度）: 24.701001374139047
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we propose an AI-based method that intends to improve the
conventional retinal disease treatment procedure and help ophthalmologists
increase diagnosis efficiency and accuracy. The proposed method is composed of
a deep neural networks-based (DNN-based) module, including a retinal disease
identifier and clinical description generator, and a DNN visual explanation
module. To train and validate the effectiveness of our DNN-based module, we
propose a large-scale retinal disease image dataset. Also, as ground truth, we
provide a retinal image dataset manually labeled by ophthalmologists to
qualitatively show, the proposed AI-based method is effective. With our
experimental results, we show that the proposed method is quantitatively and
qualitatively effective. Our method is capable of creating meaningful retinal
image descriptions and visual explanations that are clinically relevant.
- Abstract（参考訳）: そこで本研究では,従来の網膜疾患治療法を改良し,眼科医が診断効率と精度を向上させるためのAIベースの手法を提案する。
提案手法は、網膜疾患識別子と臨床説明生成装置を含む深層ニューラルネットワークに基づく(dnnベース)モジュールと、dnnビジュアル説明モジュールから構成されている。
DNNベースのモジュールの有効性を訓練し,検証するために,大規模な網膜疾患画像データセットを提案する。
また,眼科医によって手動でラベル付けされた網膜画像データセットを質的に提示し,提案手法の有効性を検証した。
実験の結果,提案手法は定量的かつ定性的に有効であることがわかった。
本手法は臨床的に関連のある有意義な網膜画像記述と視覚的説明を作成できる。
関連論文リスト
- Detection and Classification of Diabetic Retinopathy using Deep Learning
Algorithms for Segmentation to Facilitate Referral Recommendation for Test
and Treatment Prediction [0.0]
本研究は糖尿病網膜症(DR)の臨床的課題について考察する。
提案手法は、畳み込みニューラルネットワーク(CNN)を用いたトランスファーラーニングを利用して、単一の基礎写真を用いた自動DR検出を行う。
Jaccard、F1、リコール、精度、精度の高評価スコアは、網膜病理評価における診断能力を高めるモデルの可能性を示している。
論文 参考訳（メタデータ） (2024-01-05T11:19:24Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Signature Activation: A Sparse Signal View for Holistic Saliency [18.699129959911485]
本稿では,CNN出力の全体的およびクラス非依存的な説明を生成するサリエンシ手法であるSignature Activationを紹介する。
本手法は, 血管造影などの特定の医療画像が, 前景や背景の鮮明な物体を持っているという事実を生かしている。
冠状血管造影検査における病変検出への有効性を評価することにより,臨床現場での本法の有用性を示す。
論文 参考訳（メタデータ） (2023-09-20T16:17:26Z) - Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - Explainable Artificial Intelligence in Retinal Imaging for the detection
of Systemic Diseases [0.0]
本研究では,Deep Convolutional Neural Networks(CNN)を直接使用せずに,説明可能な段階的な段階付けプロセスを評価することを目的とする。
我々は,眼底画像の網膜血管評価を行うクリニアン・イン・ザ・ループ支援インテリジェントワークフローを提案する。
半自動的な方法論は、臨床医からのより多くのインプットと解釈を持つ医療アプリケーションにおいて、AIに対する連合的なアプローチを持つことを目的としている。
論文 参考訳（メタデータ） (2022-12-14T07:00:31Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - Explainable Diabetic Retinopathy Detection and Retinal Image Generation [16.140110713539023]
本稿では,医学診断における深層学習応用の解釈可能性を活用することを提案する。
糖尿病性網膜症検知器が決定に依存するニューロン活性化パターンを決定・分離することにより,病理的説明のために単離されたニューロン活性化と病変の直接的関係を示す。
ディスクリプタで符号化された症状を可視化するために,医学的に可視な網膜像を合成する新しいネットワークPatho-GANを提案する。
論文 参考訳（メタデータ） (2021-07-01T08:30:04Z) - 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) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文 参考訳（メタデータ） (2020-08-07T04:31:33Z) - 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。