論文の概要: A systematic review of transfer learning based approaches for diabetic retinopathy detection

• arxiv url: http://arxiv.org/abs/2105.13793v1
• Date: Fri, 28 May 2021 12:58:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-31 13:29:12.404150
• Title: A systematic review of transfer learning based approaches for diabetic retinopathy detection
• Title（参考訳）: 糖尿病網膜症検出のための転写学習に基づくアプローチの体系的検討
• Authors: Burcu Oltu and B\"u\c{s}ra K\"ubra Karaca and Hamit Erdem and Atilla \"Ozg\"ur
• Abstract要約: 糖尿病と関連する糖尿病網膜症 (DR) の症例は, 近年, 急激な増加傾向にある。 深層ニューラルネットワーク(DNN)は、DR検出において最も好まれるアプローチとなっている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cases of diabetes and related diabetic retinopathy (DR) have been increasing at an alarming rate in modern times. Early detection of DR is an important problem since it may cause permanent blindness in the late stages. In the last two decades, many different approaches have been applied in DR detection. Reviewing academic literature shows that deep neural networks (DNNs) have become the most preferred approach for DR detection. Among these DNN approaches, Convolutional Neural Network (CNN) models are the most used ones in the field of medical image classification. Designing a new CNN architecture is a tedious and time-consuming approach. Additionally, training an enormous number of parameters is also a difficult task. Due to this reason, instead of training CNNs from scratch, using pre-trained models has been suggested in recent years as transfer learning approach. Accordingly, the present study as a review focuses on DNN and Transfer Learning based applications of DR detection considering 38 publications between 2015 and 2020. The published papers are summarized using 9 figures and 10 tables, giving information about 22 pre-trained CNN models, 12 DR data sets and standard performance metrics.
• Abstract（参考訳）: 糖尿病と関連する糖尿病網膜症 (DR) の症例は近年, 急激な増加傾向にある。 DRの早期検出は、後期の永久盲目を引き起こす可能性があるため、重要な問題である。 過去20年間、dr検出には様々なアプローチが適用されてきた。 学術文献のレビューでは、ディープニューラルネットワーク(DNN)がDR検出の最も好ましいアプローチになっている。 これらのDNNアプローチの中で、畳み込みニューラルネットワーク(CNN)モデルは医療画像分類の分野で最も使われているモデルである。 新しいCNNアーキテクチャを設計するのは面倒で時間を要するアプローチです。 さらに、膨大な数のパラメータのトレーニングも難しい作業です。 このため、cnnをスクラッチからトレーニングするのではなく、近年ではトランスファー学習アプローチとして事前学習モデルが提案されている。 そこで本研究では,2015年から2020年までの38冊の出版物を考慮したDNNと移動学習に基づくDR検出の応用に焦点を当てた。 公開された論文は9つの数字と10のテーブルを使って要約され、22のトレーニング済みCNNモデル、12のDRデータセット、標準パフォーマンスメトリクスに関する情報が提供されている。

関連論文リスト

• Enhancing Diabetic Retinopathy Detection with CNN-Based Models: A Comparative Study of UNET and Stacked UNET Architectures [0.0]
  糖尿病網膜症DRは糖尿病の重篤な合併症である。損傷または異常な血管は視力喪失を引き起こす可能性がある。 糖尿病患者の大量スクリーニングの必要性は、コンピュータ支援によるDRの完全自動診断への関心を生んでいる。 ディープラーニングフレームワーク、特に畳み込みニューラルネットワークCNNは、網膜画像を分析してDRを検出することに非常に興味を持ち、約束している。
  論文  参考訳（メタデータ） (2024-11-02T14:02:45Z)
• Diabetic Retinopathy Screening Using Custom-Designed Convolutional Neural Network [1.3069410690405037]
  糖尿病網膜症(DR)の流行は世界中で34.6%に達し、中年糖尿病患者の視覚障害の主要な原因となっている。 眼底写真を用いた通常のDRスクリーニングは、合併症を検知し、高度なレベルへの進行を防ぐのに役立つ。 既存のCNNベースの手法では、トレーニング済みのCNNモデルか、新しいCNNモデルを設計するためのブルートフォースアプローチのいずれかを使用している。
  論文  参考訳（メタデータ） (2021-10-08T03:30:45Z)
• Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。 DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。 本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-04T11:31:15Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Conversion and Implementation of State-of-the-Art Deep Learning Algorithms for the Classification of Diabetic Retinopathy [0.0]
  Inception-V3, VGG19, VGG16, ResNet50, InceptionResNetV2を実験により評価した。 彼らは、DR重度に基づいて、医療画像を5つの異なるクラスに分類する。 実験の結果、ResNet50はバイナリ分類の最高性能を示している。
  論文  参考訳（メタデータ） (2020-10-07T20:42:14Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Classification of Diabetic Retinopathy via Fundus Photography: Utilization of Deep Learning Approaches to Speed up Disease Detection [0.0]
  糖尿病網膜症分類問題に対する2つの解決策を提案する。 最初のアプローチでは、浅いニューラルネットワークアーキテクチャを導入します。 第2のアプローチでは、トランスファーラーニングを使用して、非常に深いニューラルネットワークの最後の修正されたレイヤを再トレーニングし、より頻度の低いクラスへのモデルの能力を改善する。
  論文  参考訳（メタデータ） (2020-07-18T17:11:20Z)
• Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
  ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。 コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
  論文  参考訳（メタデータ） (2020-06-30T14:56:05Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。