論文の概要: A Benchmark of Ocular Disease Intelligent Recognition: One Shot for
Multi-disease Detection
- arxiv url: http://arxiv.org/abs/2102.07978v1
- Date: Tue, 16 Feb 2021 07:00:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 15:20:56.302840
- Title: A Benchmark of Ocular Disease Intelligent Recognition: One Shot for
Multi-disease Detection
- Title(参考訳): 眼疾患知的認識のベンチマーク : マルチディセーゼ検出のためのワンショット
- Authors: Ning Li, Tao Li, Chunyu Hu, Kai Wang, Hong Kang
- Abstract要約: 眼科領域では、早期眼底スクリーニングは眼疾患による盲目を防ぐ経済的かつ効果的な方法である。
実際の医療現場に合わせて8つの疾患のデータセットを公開し、5,000人の患者の両眼からの1万の眼底画像を含む。
- 参考スコア(独自算出の注目度): 9.059366200759722
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In ophthalmology, early fundus screening is an economic and effective way to
prevent blindness caused by ophthalmic diseases. Clinically, due to the lack of
medical resources, manual diagnosis is time-consuming and may delay the
condition. With the development of deep learning, some researches on ophthalmic
diseases have achieved good results, however, most of them are just based on
one disease. During fundus screening, ophthalmologists usually give diagnoses
of multi-disease on binocular fundus image, so we release a dataset with 8
diseases to meet the real medical scene, which contains 10,000 fundus images
from both eyes of 5,000 patients. We did some benchmark experiments on it
through some state-of-the-art deep neural networks. We found simply increasing
the scale of network cannot bring good results for multi-disease
classification, and a well-structured feature fusion method combines
characteristics of multi-disease is needed. Through this work, we hope to
advance the research of related fields.
- Abstract(参考訳): 眼科領域では、早期眼底スクリーニングは眼疾患による盲目を防ぐ経済的かつ効果的な方法である。
臨床的に、医療資源の不足のため、手動診断は時間がかかり、症状を遅らせる可能性がある。
深層学習の発達により、眼科疾患に関するいくつかの研究は良好な結果を得たが、そのほとんどは1つの疾患に基づいている。
眼底検診中,眼科医は通常,双眼底画像上でマルチダイセーゼの診断を行うため,5,000例の両眼からの1万枚の眼底画像を含む8つの疾患のデータセットを公開する。
最新のディープニューラルネットワークを通じてベンチマーク実験を行いました。
ネットワークの規模を増大させるだけでは、マルチディスリーズ分類に良い結果が得られず、マルチディスリーズの特徴を組み合わさった特徴融合法が必要とされる。
本研究を通じて,関連分野の研究を進めていきたい。
関連論文リスト
- A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus
Images [0.0]
50歳以上の人の不可逆性失明の主な原因の1つは白内障治療の遅れである。
我々は,低コストな診断システムの構築を目的として,CNN-LSTMに基づくモデルアーキテクチャを開発した。
提案されたアーキテクチャは、最先端の97.53%の精度で以前のシステムより優れていた。
論文 参考訳(メタデータ) (2022-10-28T12:35:15Z) - RADNet: Ensemble Model for Robust Glaucoma Classification in Color
Fundus Images [0.0]
緑内障は最も重篤な眼疾患の1つで、急激な進行と不可逆性失明を特徴とする。
集団の正常な緑内障検診では早期発見が改善するが,病原性チェックアップの望ましい頻度は期待できないことが多い。
本研究では,高度な画像前処理手法と深層分類ネットワークのアンサンブルを併用した画像前処理手法を提案する。
論文 参考訳(メタデータ) (2022-05-25T16:48:00Z) - Geometric Deep Learning to Identify the Critical 3D Structural Features
of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。
我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。
幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文 参考訳(メタデータ) (2022-04-14T12:52:10Z) - GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。
この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。
緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
論文 参考訳(メタデータ) (2022-02-14T06:54:15Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - Efficient Screening of Diseased Eyes based on Fundus Autofluorescence
Images using Support Vector Machine [0.12189422792863448]
さまざまな視力障害は、目の焦点領域の地理的縮縮(GA)と関連している。
現在の臨床では、眼科医は、眼底蛍光(FAF)画像に基づいて、このようなGAの存在を手動で検出する。
健康眼と病眼をアルゴリズムで識別し,眼科医のみからの入力を限定したスクリーニングステップを提案する。
論文 参考訳(メタデータ) (2021-04-17T11:54:34Z) - 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) - 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) - Deep Sequential Feature Learning in Clinical Image Classification of
Infectious Keratitis [20.495575521910272]
感染性角膜炎(infectious keratitis)は、急速かつ正確な診断を必要とする救急疾患である。
本研究では,感染性角膜疾患の鑑別と微妙さを効果的に識別するシーケンシャルレベルの深層学習モデルを提案する。
論文 参考訳(メタデータ) (2020-06-04T06:45:15Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳(メタデータ) (2020-05-12T08:01:16Z)
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。