論文の概要: An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images
- arxiv url: http://arxiv.org/abs/2103.01702v1
- Date: Tue, 2 Mar 2021 13:14:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-04 20:34:49.408437
- Title: An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images
- Title（参考訳）: 基礎画像からの参照糖尿病網膜症検出のための解釈可能なマルチケースアプローチ
- Authors: Alexandros Papadopoulos, Fotis Topouzis, Anastasios Delopoulos
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 72.94446225783697
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetic Retinopathy (DR) is a leading cause of vision loss globally. Yet
despite its prevalence, the majority of affected people lack access to the
specialized ophthalmologists and equipment required for assessing their
condition. This can lead to delays in the start of treatment, thereby lowering
their chances for a successful outcome. Machine learning systems that
automatically detect the disease in eye fundus images have been proposed as a
means of facilitating access to DR severity estimates for patients in remote
regions or even for complementing the human expert's diagnosis. In this paper,
we propose a machine learning system for the detection of referable DR in
fundus images that is based on the paradigm of multiple-instance learning. By
extracting local information from image patches and combining it efficiently
through an attention mechanism, our system is able to achieve high
classification accuracy. Moreover, it can highlight potential image regions
where DR manifests through its characteristic lesions. We evaluate our approach
on publicly available retinal image datasets, in which it exhibits near
state-of-the-art performance, while also producing interpretable visualizations
of its predictions.
- Abstract（参考訳）: 糖尿病網膜症(DR)は、世界的に視力喪失の主要な原因です。
しかし、その流行にもかかわらず、影響を受けた人々の大半は、その状態を評価するために必要な専門眼科医や機器へのアクセスを欠いています。
これにより治療開始の遅れが生じ、成功へのチャンスが低下する可能性がある。
眼底画像の疾患を自動的に検出する機械学習システムは、遠隔地や人間の診断を補完するためのDR重症度推定へのアクセスを容易にする手段として提案されている。
本論文では,マルチスタンス学習のパラダイムに基づく基盤画像における参照可能なDRの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。
さらに、DRが特徴的な病変を通して現れる潜在的な画像領域も強調することができる。
我々は,現在利用可能な網膜画像データセットに対する我々のアプローチを評価するとともに,その予測の解釈可能な可視化も行う。
関連論文リスト
- Automated Retinal Image Analysis and Medical Report Generation through Deep Learning [3.4447129363520337]
網膜疾患の増加は、医療システムにとって大きな課題となっている。
網膜画像から医療報告を生成する従来の方法は、手動による解釈に依存している。
この論文は、網膜画像の医療レポート生成を自動化する人工知能の可能性について考察する。
論文 参考訳（メタデータ） (2024-08-14T07:47:25Z) - Diagnosis of Multiple Fundus Disorders Amidst a Scarcity of Medical Experts Via Self-supervised Machine Learning [13.174267261284733]
ファンドス病は、世界中の視覚障害と視覚障害の主な原因である。
本研究では,無ラベルのファンドス画像から多種多様なファンドス病を処理できる,汎用的な自己教師型機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-20T14:15:25Z) - 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) - Explainable Artificial Intelligence in Retinal Imaging for the detection
of Systemic Diseases [0.0]
本研究では,Deep Convolutional Neural Networks(CNN)を直接使用せずに,説明可能な段階的な段階付けプロセスを評価することを目的とする。
我々は,眼底画像の網膜血管評価を行うクリニアン・イン・ザ・ループ支援インテリジェントワークフローを提案する。
半自動的な方法論は、臨床医からのより多くのインプットと解釈を持つ医療アプリケーションにおいて、AIに対する連合的なアプローチを持つことを目的としている。
論文 参考訳（メタデータ） (2022-12-14T07:00:31Z) - A comprehensive survey on computer-aided diagnostic systems in diabetic
retinopathy screening [0.0]
糖尿病性メリタス(DM)は、最終的に糖尿病網膜症(DR)を引き起こす重要な微小血管破壊を引き起こす
私たちのレビューは、CADシステムで何が達成できるかを理解したい学生から確立した研究者まで、誰でも対象としています。
論文 参考訳（メタデータ） (2022-08-03T02:11:42Z) - 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) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - 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) - Early Blindness Detection Based on Retinal Images Using Ensemble
Learning [2.099922236065961]
糖尿病網膜症は、世界中の成人の視覚障害の主要な原因である。
デジタル画像処理(DIP)と機械学習(ML)の分野における最近の進歩は、この点において機械の使用方法の道を開いた。
本研究では、アンサンブル学習アルゴリズムを用いて網膜画像から抽出した色情報に基づいて、新しい早期盲検検出法を提案する。
論文 参考訳（メタデータ） (2020-06-12T21:16:21Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
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。