Fugu-MT 論文翻訳(概要): DRDr II: Detecting the Severity Level of Diabetic Retinopathy Using Mask RCNN and Transfer Learning

論文の概要: DRDr II: Detecting the Severity Level of Diabetic Retinopathy Using Mask RCNN and Transfer Learning

arxiv url: http://arxiv.org/abs/2011.14733v1
Date: Mon, 30 Nov 2020 12:23:22 GMT
ステータス: 処理完了
システム内更新日: 2021-06-06 14:54:30.598170
Title: DRDr II: Detecting the Severity Level of Diabetic Retinopathy Using Mask RCNN and Transfer Learning
Title（参考訳）: DRDr II: Mask RCNN を用いた糖尿病網膜症の重症度検出と伝達学習
Authors: Farzan Shenavarmasouleh, Farid Ghareh Mohammadi, M. Hadi Amini, Hamid R. Arabnia
Abstract要約: DRDr IIは機械学習とディープラーニングのハイブリッドだ。 DRDrは2種類の病変を検知し、発見し、セグメンテーションマスクを作成するために訓練された。
参考スコア（独自算出の注目度）: 3.441021278275805
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: DRDr II is a hybrid of machine learning and deep learning worlds. It builds on the successes of its antecedent, namely, DRDr, that was trained to detect, locate, and create segmentation masks for two types of lesions (exudates and microaneurysms) that can be found in the eyes of the Diabetic Retinopathy (DR) patients; and uses the entire model as a solid feature extractor in the core of its pipeline to detect the severity level of the DR cases. We employ a big dataset with over 35 thousand fundus images collected from around the globe and after 2 phases of preprocessing alongside feature extraction, we succeed in predicting the correct severity levels with over 92% accuracy.
Abstract（参考訳）: DRDr IIは機械学習とディープラーニングのハイブリッドだ。糖尿病網膜症患者(dr)の目にみられる2種類の病変(出芽体と微小神経痛)の検出、発見、およびセグメント化マスクの作成を訓練したdrdrの成功を基盤とし、モデル全体をパイプラインのコアの固形特徴抽出器として使用し、dr症例の重症度を検出する。我々は,世界中から収集された35万枚以上のガウス画像からなる巨大なデータセットを用いて,特徴抽出とともに2段階の事前処理を行った後,精度92%以上の正重度レベルの予測に成功した。

関連論文リスト

Bag of Tricks for Developing Diabetic Retinopathy Analysis Framework to Overcome Data Scarcity [6.802798389355481]
糖尿病網膜症 (DR) 解析課題として, 病変分割, 画像品質評価, DRグレーディングについて検討した。各タスクに対して,アンサンブル学習,データ強化,半教師付き学習を活用した堅牢な学習手法を導入する。疑似ラベルの負の効果を低減するため,モデルの信頼度スコアに基づいて不確実な擬似ラベルを除外する信頼性の高い擬似ラベルを提案する。
論文参考訳（メタデータ） (2022-10-18T03:25:00Z)
Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2022-09-13T07:10:14Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。 DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-04T11:31:15Z)
DRDrV3: Complete Lesion Detection in Fundus Images Using Mask R-CNN, Transfer Learning, and LSTM [2.9360071145551068]
糖尿病網膜症(DR)による病変の検出・発見に最適な2つのサブモジュールからなる新しい病変検出アーキテクチャを提案する。また、2つの一般的な評価基準を用いて、平均平均精度(mAP)とIOU(IOU)の交点であるモデルの出力を評価する。この新たなソリューションにより、専門家は高い信頼性で病変を検出し、高い精度で損傷の重症度を推定できるという仮説を立てる。
論文参考訳（メタデータ） (2021-08-18T11:36:37Z)
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)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
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)
DRDr: Automatic Masking of Exudates and Microaneurysms Caused By Diabetic Retinopathy Using Mask R-CNN and Transfer Learning [2.0559497209595823]
我々は,畳み込みニューラルネットワーク(CNN)とトランスファーラーニングを用いて,高品質なセグメンテーションマスクの探索と生成を行っている。我々はe-ophtha EXとe-ophtha MAから正規化されたデータベースを作成し、Mask R-CNNを調整して小さな病変を検出する。本モデルは, 臨床医や眼科医が悪名高いDRを検出・治療する過程において, 有望なmAPである0.45を達成できることを示す。
論文参考訳（メタデータ） (2020-07-04T07:20:03Z)
4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
論文参考訳（メタデータ） (2020-04-20T11:41:01Z)

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。