論文の概要: A deep learning model for classification of diabetic retinopathy in eye fundus images based on retinal lesion detection

• arxiv url: http://arxiv.org/abs/2110.07745v1
• Date: Thu, 14 Oct 2021 22:04:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-18 15:26:18.788262
• Title: A deep learning model for classification of diabetic retinopathy in eye fundus images based on retinal lesion detection
• Title（参考訳）: 網膜病変検出に基づく眼底画像における糖尿病網膜症の分類のためのディープラーニングモデル
• Authors: Melissa delaPava, Hern\'an R\'ios, Francisco J. Rodr\'iguez, Oscar J. Perdomo and Fabio A. Gonz\'alez
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic retinopathy (DR) is the result of a complication of diabetes affecting the retina. It can cause blindness, if left undiagnosed and untreated. An ophthalmologist performs the diagnosis by screening each patient and analyzing the retinal lesions via ocular imaging. In practice, such analysis is time-consuming and cumbersome to perform. This paper presents a model for automatic DR classification on eye fundus images. The approach identifies the main ocular lesions related to DR and subsequently diagnoses the illness. The proposed method follows the same workflow as the clinicians, providing information that can be interpreted clinically to support the prediction. A subset of the kaggle EyePACS and the Messidor-2 datasets, labeled with ocular lesions, is made publicly available. The kaggle EyePACS subset is used as a training set and the Messidor-2 as a test set for lesions and DR classification models. For DR diagnosis, our model has an area-under-the-curve, sensitivity, and specificity of 0.948, 0.886, and 0.875, respectively, which competes with state-of-the-art approaches.
• Abstract（参考訳）: 糖尿病網膜症 (DR) は、網膜に影響を及ぼす糖尿病の合併症の結果である。 診断を受けずに治療を受けなければ、盲目を引き起こす可能性がある。 眼科医は、各患者をスクリーニングし、眼底画像により網膜病変を分析して診断を行う。 実際には、そのような分析は時間がかかり、実行しづらい。 本稿では眼底画像の自動DR分類モデルを提案する。 このアプローチは、DRに関連する主要な眼の病変を特定し、その後病気を診断する。 提案手法は臨床医と同じワークフローを踏襲し,その予測を支援するために臨床的に解釈できる情報を提供する。 カグルEyePACSとMessidor-2データセットのサブセットは、眼の病変をラベル付けして公開されている。 カグルEyePACSサブセットはトレーニングセットとして、Messidor-2は病変とDR分類モデルのテストセットとして使用される。 DR診断において,本モデルは,最先端アプローチと競合する0.948,0.886,0.875の面積,感度,特異性を有する。

関連論文リスト

• Algorithm-based diagnostic application for diabetic retinopathy detection [0.0]
  糖尿病網膜症は世界中で増加する健康問題であり、視覚障害と視覚障害の主要な原因である。 糖尿病網膜症の診断分野における最近の研究は、眼科検査で得られた画像の分析など、高度な技術を用いている。 本稿では,眼球鏡画像の処理と解析を含む自動DR診断法について述べる。
  論文  参考訳（メタデータ） (2023-12-01T12:09:06Z)
• 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)
• A Residual Encoder-Decoder Network for Segmentation of Retinal Image-Based Exudates in Diabetic Retinopathy Screening [1.8496844821697171]
  網膜画像におけるエキダレートのセグメンテーションのための残差スキップ接続を有する畳み込みニューラルネットワークを提案する。 提案するネットワークは,糖尿病網膜症スクリーニングに適応し,高い精度で抽出する。
  論文  参考訳（メタデータ） (2022-01-16T04:08:17Z)
• 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)
• 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)
• Two Eyes Are Better Than One: Exploiting Binocular Correlation for Diabetic Retinopathy Severity Grading [9.25565724620311]
  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。
  論文  参考訳（メタデータ） (2021-08-15T15:40:02Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• 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。