論文の概要: Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using
Tailored Prototypical Neural Networks
- arxiv url: http://arxiv.org/abs/2106.13551v1
- Date: Fri, 25 Jun 2021 10:53:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-28 13:10:36.434090
- Title: Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using
Tailored Prototypical Neural Networks
- Title（参考訳）: タンポラ型原型ニューラルネットワークを用いた眼底緑内障の円形OCT-Focused Hybrid Learning
- Authors: Gabriel Garc\'ia, Roc\'io del Amor, Adri\'an Colomer, Rafael
Verd\'u-Monedero, Juan Morales-S\'anchez and Valery Naranjo
- Abstract要約: 緑内障は世界の視覚障害の主要な原因の1つである。
生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。
特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
- 参考スコア（独自算出の注目度）: 1.1601676598120785
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Glaucoma is one of the leading causes of blindness worldwide and Optical
Coherence Tomography (OCT) is the quintessential imaging technique for its
detection. Unlike most of the state-of-the-art studies focused on glaucoma
detection, in this paper, we propose, for the first time, a novel framework for
glaucoma grading using raw circumpapillary B-scans. In particular, we set out a
new OCT-based hybrid network which combines hand-driven and deep learning
algorithms. An OCT-specific descriptor is proposed to extract hand-crafted
features related to the retinal nerve fibre layer (RNFL). In parallel, an
innovative CNN is developed using skip-connections to include tailored residual
and attention modules to refine the automatic features of the latent space. The
proposed architecture is used as a backbone to conduct a novel few-shot
learning based on static and dynamic prototypical networks. The k-shot paradigm
is redefined giving rise to a supervised end-to-end system which provides
substantial improvements discriminating between healthy, early and advanced
glaucoma samples. The training and evaluation processes of the dynamic
prototypical network are addressed from two fused databases acquired via
Heidelberg Spectralis system. Validation and testing results reach a
categorical accuracy of 0.9459 and 0.8788 for glaucoma grading, respectively.
Besides, the high performance reported by the proposed model for glaucoma
detection deserves a special mention. The findings from the class activation
maps are directly in line with the clinicians' opinion since the heatmaps
pointed out the RNFL as the most relevant structure for glaucoma diagnosis.
- Abstract（参考訳）: 緑内障は視覚障害の主要な原因の1つであり、光コヒーレンス・トモグラフィー(OCT)はその検出に欠かせない技術である。
緑内障検出に焦点をあてた最先端研究の多くとは違って,本論文では,生の毛細血管Bスキャンを用いた緑内障診断のための新しい枠組みを提案する。
特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
網膜神経線維層(RNFL)に関連する手作りの特徴を抽出するために,OCT特異的記述子を提案する。
並行して、遅延空間の自動的特徴を洗練させるために、リザーブド・アテンション・モジュールを含むスキップ接続を用いて革新的なCNNが開発された。
提案アーキテクチャは,静的および動的プロトタイプネットワークに基づく新規な数ショット学習を行うためのバックボーンとして使用される。
k-shotパラダイムが再定義され、健康、早期、先進的な緑内障のサンプルを区別する、監視されたエンドツーエンドシステムを生み出している。
ハイデルベルクスペクトルシステムによって取得した2つの融合データベースから,動的プロトタイプネットワークの訓練と評価を行う。
検証と検査の結果,緑内障の分類精度は 0.9459 と 0.8788 であった。
さらに,提案モデルによる緑内障検出の高性能化は,特に注意すべき点である。
RNFLは緑内障診断の最も関連性の高い構造であると熱マップが指摘しているため, クラスアクティベーションマップからの知見は臨床医の意見と直接一致している。
関連論文リスト
- Graph-Guided Test-Time Adaptation for Glaucoma Diagnosis using Fundus Photography [36.328434151676525]
緑内障は世界中で不可逆的な盲目の原因となっている。
眼底画像を用いた深層学習は緑内障の早期診断を大幅に改善した。
異なるデバイスや場所(ドメインシフトとして知られる)からのイメージの変化は、実世界の設定で事前トレーニングされたモデルを使用することに挑戦する。
緑内障の診断モデルを未知のテスト環境に一般化するためのグラフ誘導テスト時間適応フレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-05T10:06:55Z) - InceptionCaps: A Performant Glaucoma Classification Model for
Data-scarce Environment [0.0]
緑内障は不可逆的な眼疾患で 世界第2位の視覚障害の原因です
本稿では,InceptionV3を畳み込みベースとしたカプセルネットワーク(CapsNet)をベースとした新しいディープラーニングモデルであるInceptionCapsを提案する。
InceptionCapsは0.956、特異性0.96、AUC0.9556を達成し、RIM-ONE v2データセット上での最先端のディープラーニングモデルのパフォーマンスを上回った。
論文 参考訳（メタデータ） (2023-11-24T11:58:11Z) - Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - 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) - Medical Application of Geometric Deep Learning for the Diagnosis of
Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。
全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。
ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文 参考訳（メタデータ） (2022-04-14T14:55:25Z) - 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) - Intelligent Masking: Deep Q-Learning for Context Encoding in Medical
Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。
予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-03-25T19:05:06Z) - Deep Learning based Framework for Automatic Diagnosis of Glaucoma based
on analysis of Focal Notching in the Optic Nerve Head [0.2580765958706854]
デジタルファンドイメージ(DFI)から光ディスク(OD)とオプティカルカップ(OC)領域の自動セグメンテーションのための深層学習パイプラインを提案する。
本手法は、緑内障解析におけるコンピュータ支援デザイン(CAD)システムの精度を高めるために、ニューロ網膜リムの焦点ノッチ解析とカップ・ツー・ディスク比の値を分類パラメータとして利用した。
提案したパイプラインは、DFIから緑内障を検出するための93.33%の精度で、無料で利用可能なDRISHTI-GSデータセットで評価された。
論文 参考訳（メタデータ） (2021-12-10T18:58:40Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - 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) - 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。