論文の概要: Diabetic Retinopathy Grading System Based on Transfer Learning
- arxiv url: http://arxiv.org/abs/2012.12515v1
- Date: Wed, 23 Dec 2020 07:02:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 03:54:02.191040
- Title: Diabetic Retinopathy Grading System Based on Transfer Learning
- Title（参考訳）: 転校学習に基づく糖尿病網膜症評価システム
- Authors: Eman AbdelMaksoud, Sherif Barakat, and Mohammed Elmogy
- Abstract要約: 本稿では,マルチラベル分類によるフルベースdlcadシステムを提案する。
提案システムは精度(ACC)が86%、Dice類似度係数(DSC)が78.45である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Much effort is being made by the researchers in order to detect and diagnose
diabetic retinopathy (DR) accurately automatically. The disease is very
dangerous as it can cause blindness suddenly if it is not continuously
screened. Therefore, many computers aided diagnosis (CAD) systems have been
developed to diagnose the various DR grades. Recently, many CAD systems based
on deep learning (DL) methods have been adopted to get deep learning merits in
diagnosing the pathological abnormalities of DR disease. In this paper, we
present a full based-DL CAD system depending on multi-label classification. In
the proposed DL CAD system, we present a customized efficientNet model in order
to diagnose the early and advanced grades of the DR disease. Learning transfer
is very useful in training small datasets. We utilized IDRiD dataset. It is a
multi-label dataset. The experiments manifest that the proposed DL CAD system
is robust, reliable, and deigns promising results in detecting and grading DR.
The proposed system achieved accuracy (ACC) equals 86%, and the Dice similarity
coefficient (DSC) equals 78.45.
- Abstract（参考訳）: 糖尿病網膜症(dr)を正しく検出・診断するために、研究者は多くの努力を払っている。
この病気は、連続的にスクリーニングされなければ突然盲目を引き起こす可能性があるため、非常に危険である。
そのため,様々なdrグレードを診断するためにcadシステム(computer assisted diagnostic)が開発されている。
近年,DR病の病的異常の診断において,深層学習(DL)法に基づくCADシステムが多く採用されている。
本稿では,多ラベル分類に依存したフルベースDLCADシステムを提案する。
提案するDL CADシステムでは,DR病の早期および高度な診断のために,カスタマイズされた効率的なネットモデルを提案する。
学習の転送は、小さなデータセットのトレーニングに非常に役立ちます。
IDRiDデータセットを利用した。
マルチラベルのデータセットである。
実験の結果,提案したDL CAD システムは堅牢で信頼性が高く,DR の検出・評価に有望な結果を無視できることがわかった。
提案システムは精度(ACC)が86%、Dice類似度係数(DSC)が78.45である。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳（メタデータ） (2023-12-02T22:57:25Z) - AI Framework for Early Diagnosis of Coronary Artery Disease: An
Integration of Borderline SMOTE, Autoencoders and Convolutional Neural
Networks Approach [0.44998333629984877]
我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。
実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
論文 参考訳（メタデータ） (2023-08-29T14:33:38Z) - Eye tracking guided deep multiple instance learning with dual
cross-attention for fundus disease detection [10.801928878540158]
眼科医の視線追跡情報を利用したHuman-in-the-loop (HITL) CADシステムを提案する。
The HITL CAD system was implemented on the multiple instance learning (MIL)。
厳密な実験により, HITL CAD システムの実現可能性と提案した DCAMIL の優位性を実証した。
論文 参考訳（メタデータ） (2023-04-25T11:06:43Z) - A Multi-stage Transfer Learning Framework for Diabetic Retinopathy
Grading on Small Data [7.083438376194304]
糖尿病網膜症(DR)は、現在知られている主要な盲腸疾患の一つである。
本稿では,多段階移動学習のアイデアをDRのグルーピングタスクに適用する。
作業中にクラスバランスの損失関数を提示し、それに対してシンプルで実装の容易なトレーニング手法を採用する。
論文 参考訳（メタデータ） (2021-09-24T08:39:13Z) - Learning from Subjective Ratings Using Auto-Decoded Deep Latent
Embeddings [23.777855250882244]
ラベルにおける主観性管理は医用画像解析における根本的な問題である。
自動復号型ディープ潜在埋め込み(addle)を導入する
ADDLEは自動デコーダフレームワークを使用して各レーダの傾向を明示的にモデル化する。
論文 参考訳（メタデータ） (2021-04-12T15:40:42Z) - 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) - 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) - NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。
既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。
本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
論文 参考訳（メタデータ） (2020-06-11T17:39:07Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳（メタデータ） (2020-05-11T16:29:12Z)
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。