論文の概要: Two Eyes Are Better Than One: Exploiting Binocular Correlation for Diabetic Retinopathy Severity Grading

• arxiv url: http://arxiv.org/abs/2108.06763v1
• Date: Sun, 15 Aug 2021 15:40:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-17 15:21:23.394131
• Title: Two Eyes Are Better Than One: Exploiting Binocular Correlation for Diabetic Retinopathy Severity Grading
• Title（参考訳）: 2つの目は1つより優れている:糖尿病網膜症重症度評価における両眼相関の活用
• Authors: Peisheng Qian, Ziyuan Zhao, Cong Chen, Zeng Zeng, Xiaoli Li
• Abstract要約: 糖尿病網膜症 (DR) は糖尿病患者において最も多い眼疾患の1つである。 視覚障害は主にDRの後期に発生し、軽度から重度まで視覚障害の症状は大きく変化する。 網膜画像に基づく深層学習法は自動DRグレーディングにおいて顕著な成功を収めた。 本研究では,左右両眼の微妙な相関関係を捉えるための2流双眼ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 9.25565724620311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic retinopathy (DR) is one of the most common eye conditions among diabetic patients. However, vision loss occurs primarily in the late stages of DR, and the symptoms of visual impairment, ranging from mild to severe, can vary greatly, adding to the burden of diagnosis and treatment in clinical practice. Deep learning methods based on retinal images have achieved remarkable success in automatic DR grading, but most of them neglect that the presence of diabetes usually affects both eyes, and ophthalmologists usually compare both eyes concurrently for DR diagnosis, leaving correlations between left and right eyes unexploited. In this study, simulating the diagnostic process, we propose a two-stream binocular network to capture the subtle correlations between left and right eyes, in which, paired images of eyes are fed into two identical subnetworks separately during training. We design a contrastive grading loss to learn binocular correlation for five-class DR detection, which maximizes inter-class dissimilarity while minimizing the intra-class difference. Experimental results on the EyePACS dataset show the superiority of the proposed binocular model, outperforming monocular methods by a large margin.
• Abstract（参考訳）: 糖尿病網膜症 (DR) は糖尿病患者の眼症状として最も多い。 しかし、視覚障害は主にdrの後期に発生し、軽度から重度の視覚障害の症状は大きく異なり、臨床治療における診断と治療の負担が増大する。 網膜画像に基づく深層学習は、自動的なdr採点において著しく成功したが、そのほとんどは糖尿病が両眼に影響を及ぼすことを無視しており、眼科医は通常、両眼をdr診断のために同時に比較し、左右の眼の相関は未経験のままである。 本研究では, 診断過程をシミュレートし, 左右眼の微妙な相関関係を捉える2ストリーム双眼ネットワークを提案する。 クラス間差異を最小化しつつクラス間差異を最大化する5つのクラスdr検出の両眼相関を学習するために,対照的なグレーディング損失を設計した。 eyepacsデータセットの実験的結果は、提案する双眼鏡モデルの優劣を示し、単眼法を大きなマージンで上回った。

関連論文リスト

• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Explainable Severity ranking via pairwise n-hidden comparison: a case study of glaucoma [24.16414303668709]
  原発性開放隅角緑内障(英: primary open-angle glaucoma, POAG)は、慢性進行性視神経疾患である。 POAGを診断し、その重症度を決定するためには、患者は包括的拡張眼科検査を受けなければならない。 眼底画像を用いて緑内障の重症度を分類・比較・解釈する枠組みを構築した。
  論文  参考訳（メタデータ） (2023-12-05T07:12:05Z)
• Strategy for Rapid Diabetic Retinopathy Exposure Based on Enhanced Feature Extraction Processing [0.0]
  本研究の目的は, 糖尿病網膜症の診断を改善するために, 時間的DR識別のための深層学習モデルを開発することである。 提案モデルでは,早期に網膜画像から様々な病変を検出する。
  論文  参考訳（メタデータ） (2023-05-08T14:17:33Z)
• 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)
• Mapping the ocular surface from monocular videos with an application to dry eye disease grading [0.4354149280237387]
  ドライアイ病(Dedy Eye Disease, DED)は眼科医の相談の主要な原因の一つである。 本研究では,1)検査中に取得した映像記録を用いて3次元眼球面の追跡を行い,2)登録フレームを用いて重症度を判定する。
  論文  参考訳（メタデータ） (2022-09-02T08:54:02Z)
• A deep learning model for classification of diabetic retinopathy in eye fundus images based on retinal lesion detection [0.0]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病が網膜に影響を及ぼす結果である。 失明の原因は、未診断で治療を受けていない場合である。 本稿では眼底画像の自動DR分類モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-14T22:04:59Z)
• 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)
• 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)
• 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。