論文の概要: A Review of Machine Learning Techniques for Applied Eye Fundus and
Tongue Digital Image Processing with Diabetes Management System
- arxiv url: http://arxiv.org/abs/2012.15025v1
- Date: Wed, 30 Dec 2020 03:49:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-18 17:29:44.193186
- Title: A Review of Machine Learning Techniques for Applied Eye Fundus and
Tongue Digital Image Processing with Diabetes Management System
- Title（参考訳）: 糖尿病管理システムを用いた眼底および舌デジタル画像処理のための機械学習技術のレビュー
- Authors: Wei Xiang Lim, Zhiyuan Chen, Amr Ahmed, Tissa Chandesa and Iman Liao
- Abstract要約: 糖尿病は世界的な流行であり、危機的なペースで増加している。
国際糖尿病連盟は、世界の糖尿病患者の総数は48%増加する可能性があると予測した。
本稿では糖尿病の背景とその合併症について述べる。
- 参考スコア（独自算出の注目度）: 7.209705108900718
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetes is a global epidemic and it is increasing at an alarming rate. The
International Diabetes Federation (IDF) projected that the total number of
people with diabetes globally may increase by 48%, from 425 million (year 2017)
to 629 million (year 2045). Moreover, diabetes had caused millions of deaths
and the number is increasing drastically. Therefore, this paper addresses the
background of diabetes and its complications. In addition, this paper
investigates innovative applications and past researches in the areas of
diabetes management system with applied eye fundus and tongue digital images.
Different types of existing applied eye fundus and tongue digital image
processing with diabetes management systems in the market and state-of-the-art
machine learning techniques from previous literature have been reviewed. The
implication of this paper is to have an overview in diabetic research and what
new machine learning techniques can be proposed in solving this global
epidemic.
- Abstract（参考訳）: 糖尿病は世界的な流行であり、警戒速度で増加している。
国際糖尿病連盟(idf)は、世界規模の糖尿病患者数は48%増加し、4億2500万人(2017年)から6億2900万人(2045年)と予測している。
さらに糖尿病は何百万人もの死者を招き、その数は急増している。
そこで本稿では糖尿病の背景とその合併症について述べる。
また,眼底および舌のデジタル画像を用いた糖尿病管理システムにおける革新的応用と過去の研究について検討した。
市販の糖尿病管理システムによる既存の眼底および舌デジタル画像処理と,過去の文献による最先端の機械学習技術について概説した。
本研究の目的は,糖尿病研究の概要と,この世界的な流行を解決するための新しい機械学習技術を提案することである。
関連論文リスト
- From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。
GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。
今後4年間の健康状態も予測できる。
論文 参考訳（メタデータ） (2024-08-20T13:19:06Z) - Diabetes detection using deep learning techniques with oversampling and
feature augmentation [0.3749861135832073]
糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。
毎年多数の死者が出ている。
この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
論文 参考訳（メタデータ） (2024-02-03T15:30:20Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳（メタデータ） (2023-04-05T12:04:55Z) - HealthEdge: A Machine Learning-Based Smart Healthcare Framework for
Prediction of Type 2 Diabetes in an Integrated IoT, Edge, and Cloud Computing
System [0.0]
糖尿病の急激な増加は、糖尿病の発生を予防・予測するために予防措置を取る必要があることを要求する。
本稿では,IoT-エッジクラウド統合コンピューティングシステムにおける2型糖尿病予測のための機械学習ベースのスマートヘルスケアフレームワークであるHealthEdgeを提案する。
論文 参考訳（メタデータ） (2023-01-25T07:57:18Z) - Task-wise Split Gradient Boosting Trees for Multi-center Diabetes
Prediction [37.846368153741395]
マルチセンター糖尿病予測タスクにTSGB(Task-wise Split Gradient Boosting Trees)を提案する。
TSGBはいくつかの最先端手法に対して優れた性能を発揮する。
TSGB法は早期診断のためのオンライン糖尿病リスク評価ソフトウェアとして展開されている。
論文 参考訳（メタデータ） (2021-08-16T14:22:44Z) - Hybrid stacked ensemble combined with genetic algorithms for Prediction
of Diabetes [0.0]
糖尿病は、世界で最も一般的で危険で高価な病気の1つです。
本研究では、カリフォルニア大学のウェブサイトで、インドの糖尿病に関する実際のデータである実験データを用いています。
結果は、98.8%に達した疾患の診断における提案手法の高性能と99%の精度を示した。
論文 参考訳（メタデータ） (2021-03-15T07:47:23Z) - 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) - Variable Weights Neural Network For Diabetes Classification [0.0]
深層学習を用いて糖尿病を低コストで検出するリキッドマシンラーニングのアプローチを設計しました。
提案手法は, これまでの成果に有意な改善が認められた。
論文 参考訳（メタデータ） (2021-02-22T11:08:25Z) - The Diabetic Buddy: A Diet Regulator andTracking System for Diabetics [3.7026481341955053]
中東における糖尿病の流行は17-20%であり、世界平均の8-9%を大きく上回っている。
本稿では,市販センサと機械学習を用いて,糖尿病患者の血糖値と食物摂取量の自動追跡方法を提案する。
論文 参考訳（メタデータ） (2021-01-08T20:03:58Z) - Adversarial Exposure Attack on Diabetic Retinopathy Imagery Grading [75.73437831338907]
糖尿病網膜症(DR)は、世界中の視覚障害の主要な原因である。
診断を助けるために、多くの最先端の作業が強力なディープニューラルネットワーク(DNN)を構築し、網膜基底画像(RFI)を介してDRを自動的にグレードする。
RFIは一般的に、不正グレードにつながる可能性のあるカメラ露出の問題によって影響を受ける。
本稿では,敵攻撃の観点からこの問題を考察する。
論文 参考訳（メタデータ） (2020-09-19T13:47:33Z) - 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)
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。