論文の概要: Applications of Deep Learning in Fundus Images: A Review

• arxiv url: http://arxiv.org/abs/2101.09864v1
• Date: Mon, 25 Jan 2021 02:39:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-14 19:14:06.643953
• Title: Applications of Deep Learning in Fundus Images: A Review
• Title（参考訳）: 基礎画像における深層学習の応用:一考察
• Authors: Tao Li and Wang Bo and Chunyu Hu and Hong Kang and Hanruo Liu and Kai Wang and Huazhu Fu
• Abstract要約: 眼疾患早期検診における眼底画像の使用は臨床的に非常に重要である。 ディープラーニングは、関連アプリケーションでますます普及しています。
• 参考スコア（独自算出の注目度）: 27.70388285366776
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The use of fundus images for the early screening of eye diseases is of great clinical importance. Due to its powerful performance, deep learning is becoming more and more popular in related applications, such as lesion segmentation, biomarkers segmentation, disease diagnosis and image synthesis. Therefore, it is very necessary to summarize the recent developments in deep learning for fundus images with a review paper. In this review, we introduce 143 application papers with a carefully designed hierarchy. Moreover, 33 publicly available datasets are presented. Summaries and analyses are provided for each task. Finally, limitations common to all tasks are revealed and possible solutions are given. We will also release and regularly update the state-of-the-art results and newly-released datasets at https://github.com/nkicsl/Fundus Review to adapt to the rapid development of this field.
• Abstract（参考訳）: 眼疾患早期検診における眼底画像の使用は臨床的に非常に重要である。 その強力な性能により、深層学習は、病変分割、バイオマーカー分割、疾患診断、画像合成などの関連アプリケーションでますます人気が高まっています。 そのため,眼底画像の深層学習における最近の展開をレビュー論文で要約する必要がある。 本稿では,階層構造を慎重に設計した143のアプリケーション論文を紹介する。 さらに、33の公開データセットが提示される。 各タスクに要約と分析が提供される。 最後に、全てのタスクに共通する制限が明らかにされ、可能な解決策が与えられる。 我々はまた、この分野の急速な開発に適応するために、最先端の結果と新しくリリースされたデータセットをhttps://github.com/nkicsl/Fundus Reviewでリリースし、定期的に更新します。

関連論文リスト

• Deep Learning for Medical Image Segmentation: Tricks, Challenges and Future Directions [66.40971096248946]
  本稿では,モデル実装の異なるフェーズに対して,一連のMedISegトリックを収集する。 一貫性のあるベースラインモデルにおけるこれらのトリックの有効性を実験的に検討する。 調査したトリックに基づいて、強力なMedISegリポジトリもオープンソース化しました。
  論文  参考訳（メタデータ） (2022-09-21T12:30:05Z)
• Self-Supervised Endoscopic Image Key-Points Matching [1.3764085113103222]
  本稿では,深層学習技術に基づく内視鏡画像マッチングのための新しい自己教師型アプローチを提案する。 提案手法は,手作りの標準的なローカル特徴記述子よりも精度とリコールの点で優れていた。
  論文  参考訳（メタデータ） (2022-08-24T10:47:21Z)
• LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
  MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。 タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。 クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
  論文  参考訳（メタデータ） (2022-04-12T12:25:05Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• FANet: A Feedback Attention Network for Improved Biomedical Image Segmentation [0.9904110507833823]
  フィードバックアテンションネットワーク(FANet)という新しいアーキテクチャを提案する。 FANetは、以前のエポックマスクと現在のトレーニングエポックの特徴マップを統一する。 提案したフィードバックアテンションモデルは,7つの公開バイオメディカルイメージングデータセット上でテストされたほとんどのセグメンテーション指標を大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-03-31T17:34:20Z)
• Deep Learning for Chest X-ray Analysis: A Survey [4.351399670578497]
  ディープラーニングの最近の進歩は、多くの医療画像解析タスクで有望なパフォーマンスをもたらしました。 胸部X線写真は 様々な応用が研究されている 特に重要なモダリティです 近年、複数の大きな胸部x線データセットがリリースされ、研究の関心が高まり、出版物数が増加した。
  論文  参考訳（メタデータ） (2021-03-15T20:28:16Z)
• Evaluation of Complexity Measures for Deep Learning Generalization in Medical Image Analysis [77.60508571062958]
  PAC-ベイズ平坦度とパスノルムに基づく測度は、モデルとデータの組み合わせについて最も一貫した説明をもたらす。 また,乳房画像に対するマルチタスク分類とセグメンテーションのアプローチについても検討した。
  論文  参考訳（メタデータ） (2021-03-04T20:58:22Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• A survey on shape-constraint deep learning for medical image segmentation [0.46023882211671957]
  畳み込みニューラルネットワークとその多くのバリエーションは、ディープラーニングベースの医療画像セグメンテーションの現代の風景を完全に変えました。 これらの手法のピクセルレベルの分類と回帰に対する過度の依存は、問題として早期に特定されている。 セグメンテーション結果が解剖学的に一貫性があることを確認するために、マルコフ/条件付きランダムフィールドに基づくアプローチは、統計的シェイプモデルがますます普及しています。
  論文  参考訳（メタデータ） (2021-01-19T16:52:10Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Robust Collaborative Learning of Patch-level and Image-level Annotations for Diabetic Retinopathy Grading from Fundus Image [33.904136933213735]
  DR重度評価のための,パッチレベルのアノテーションとイメージレベルのアノテーションを協調的に利用する,堅牢なフレームワークを提案する。 エンドツーエンドの最適化により、このフレームワークは微細な病変と画像レベルのグレード情報を双方向に交換することができる。 提案手法は,9年以上の経験を持つ最近の最先端のアルゴリズムと3人の臨床眼科医に比較して,優れた性能を示す。
  論文  参考訳（メタデータ） (2020-08-03T02:17:42Z)

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。