論文の概要: Machine Learning for Cataract Classification and Grading on Ophthalmic Imaging Modalities: A Survey

• arxiv url: http://arxiv.org/abs/2012.04830v1
• Date: Wed, 9 Dec 2020 02:37:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 14:23:22.605574
• Title: Machine Learning for Cataract Classification and Grading on Ophthalmic Imaging Modalities: A Survey
• Title（参考訳）: 眼科画像モダリティの白内障分類とグレーディングのための機械学習:サーベイ
• Authors: Xiaoqing Zhang, JianSheng Fang, Yan Hu, Yanwu Xu, Risa Higashita and Jiang Liu
• Abstract要約: 白内障は、世界的に可逆的な視覚障害と失明の主な原因の1つです。 眼科画像に基づく白内障分類と採点のための機械学習の最近の進歩 さらに,機械学習手法に基づく白内障自動分類と採点の課題についても検討した。
• 参考スコア（独自算出の注目度）: 7.140809915498328
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cataract is one of the leading causes of reversible visual impairment and blindness globally. Over the years, researchers have achieved significant progress in developing state-of-the-art artificial intelligence techniques for automatic cataract classification and grading, helping clinicians prevent and treat cataract in time. This paper provides a comprehensive survey of recent advances in machine learning for cataract classification and grading based on ophthalmic images. We summarize existing literature from two research directions: conventional machine learning techniques and deep learning techniques. This paper also provides insights into existing works of both merits and limitations. In addition, we discuss several challenges of automatic cataract classification and grading based on machine learning techniques and present possible solutions to these challenges for future research.
• Abstract（参考訳）: 白内障は、世界規模で可逆的な視覚障害と盲目の原因の1つである。 長年にわたり、研究者たちは自動白内障分類とグレーディングのための最先端の人工知能技術の開発において大きな進歩を遂げてきた。 本稿では,眼科画像に基づく白内障分類と採点のための機械学習の最近の進歩に関する包括的調査を行う。 従来の機械学習技術とディープラーニング技術という2つの研究方向から既存の文献を要約する。 本稿では,既存作品のメリットと限界についても考察する。 さらに,機械学習手法に基づく白内障自動分類と採点の課題について検討し,今後の課題への解決策を提案する。

関連論文リスト

• Exploring Deep Learning Techniques for Glaucoma Detection: A Comprehensive Review [0.0]
  緑内障は、世界中の視覚障害の主要な原因の1つである。 近年のディープラーニング手法の発展は緑内障検出の自動化の可能性を示している。 ディープラーニングアルゴリズムの使用は、緑内障検出の有効性、有用性、精度を大幅に向上させる可能性がある。
  論文  参考訳（メタデータ） (2023-11-02T17:39:40Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• Adversarial Attacks and Defences for Skin Cancer Classification [0.0]
  このようなシステムの利用の増加は、医療業界で見ることができる。 このようなシステムの脆弱性を理解することがますます重要になっている。 本稿では,一般的な対人攻撃手法について検討する。
  論文  参考訳（メタデータ） (2022-12-13T18:58:21Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Threat of Adversarial Attacks on Deep Learning in Computer Vision: Survey II [86.51135909513047]
  ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。 本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。 この領域では、非専門家に技術的な用語の定義を提供する。
  論文  参考訳（メタデータ） (2021-08-01T08:54:47Z)
• Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
  我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。 特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
  論文  参考訳（メタデータ） (2021-05-27T18:05:12Z)
• Automated liver tissues delineation based on machine learning techniques: A survey, current trends and future orientations [0.0]
  2014年から2020年の間に発表された重要な研究を調査し、研究者が肝臓を分割するために使用したさまざまな機械学習アルゴリズムを示しています。 関心組織(肝硬膜腫,肝腫瘍,肝血管)に基づいて調査した研究を分割し,同時に複数の課題に取り組む研究を強調した。 機械学習アルゴリズムは教師付きまたは教師なしのいずれにも分類され、特定のスキームに該当する作業量が重要であればさらに分割される。
  論文  参考訳（メタデータ） (2021-03-10T23:11:16Z)
• 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 Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)

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。