Fugu-MT 論文翻訳(概要): Transfer Learning for Retinal Vascular Disease Detection: A Pilot Study with Diabetic Retinopathy and Retinopathy of Prematurity

論文の概要: Transfer Learning for Retinal Vascular Disease Detection: A Pilot Study with Diabetic Retinopathy and Retinopathy of Prematurity

arxiv url: http://arxiv.org/abs/2201.01250v1
Date: Tue, 4 Jan 2022 17:14:42 GMT
ステータス: 処理完了
システム内更新日: 2022-01-05 13:39:00.101900
Title: Transfer Learning for Retinal Vascular Disease Detection: A Pilot Study with Diabetic Retinopathy and Retinopathy of Prematurity
Title（参考訳）: 網膜血管疾患検出のためのトランスファーラーニング : 糖尿病網膜症と未熟児網膜症のパイロット研究
Authors: Guan Wang, Yusuke Kikuchi, Jinglin Yi, Qiong Zou, Rui Zhou, Xin Guo
Abstract要約: 本稿では,網膜血管疾患の診断に特徴的類似性を活用することを目的としたトランスファーラーニング手法を提案する。実験の結果,従来のImageNet-pretrained Transfer Learningアプローチでは,DR-pretrainedアプローチがすべての指標で支配的であったことが確認された。
参考スコア（独自算出の注目度）: 10.447939250507654
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Retinal vascular diseases affect the well-being of human body and sometimes provide vital signs of otherwise undetected bodily damage. Recently, deep learning techniques have been successfully applied for detection of diabetic retinopathy (DR). The main obstacle of applying deep learning techniques to detect most other retinal vascular diseases is the limited amount of data available. In this paper, we propose a transfer learning technique that aims to utilize the feature similarities for detecting retinal vascular diseases. We choose the well-studied DR detection as a source task and identify the early detection of retinopathy of prematurity (ROP) as the target task. Our experimental results demonstrate that our DR-pretrained approach dominates in all metrics the conventional ImageNet-pretrained transfer learning approach, currently adopted in medical image analysis. Moreover, our approach is more robust with respect to the stochasticity in the training process and with respect to reduced training samples. This study suggests the potential of our proposed transfer learning approach for a broad range of retinal vascular diseases or pathologies, where data is limited.
Abstract（参考訳）: 網膜血管疾患は、人間の身体の健康に影響を及ぼし、時には検出されていない身体の損傷を示す。近年,糖尿病網膜症(DR)の診断に深層学習技術が応用されている。他のほとんどの網膜血管疾患を検出するためにディープラーニング技術を適用する主な障害は、利用可能なデータ量が限られていることだ。本稿では,網膜血管疾患の検出における特徴類似性を利用したトランスファーラーニング手法を提案する。本研究は、ソースタスクとしてDR検出を選択し、ターゲットタスクとして未熟児網膜症(ROP)を早期に検出する。実験の結果, 医用画像解析で現在採用されている従来のimagenetプリトレーニングトランスファー学習手法が, あらゆる指標において, drプリトレーニングアプローチが支配的であることが判明した。さらに,本手法は,訓練過程の確率性や,訓練サンプルの削減に関して,より堅牢である。本研究は, 広範囲の網膜血管疾患や病理疾患に対するトランスファーラーニングアプローチの可能性を示すものである。

関連論文リスト

Grading and Anomaly Detection for Automated Retinal Image Analysis using Deep Learning [0.5999777817331317]
本研究はPRISMA分析を用いた系統的な文献レビューを行い,62項目について検討した。 DR病変の検出に使用される多種多様なディープラーニング技術について論じる。
論文参考訳（メタデータ） (2024-09-25T08:13:39Z)
Current and future roles of artificial intelligence in retinopathy of prematurity [14.333209377077058]
未熟児の網膜症 (ROP) は重篤な病態である。近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。 i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
論文参考訳（メタデータ） (2024-02-15T14:35:02Z)
Deep Learning Innovations in Diagnosing Diabetic Retinopathy: The Potential of Transfer Learning and the DiaCNN Model [14.643107563426701]
糖尿病網膜症(DR)は視覚障害の重要な原因である。従来の診断法は人間の解釈に頼っており、精度と効率の点で課題に直面している。従来の診断法と比較して,DR診断の精度が向上する新しい手法を提案する。
論文参考訳（メタデータ） (2024-01-25T07:24:06Z)
Detection and Classification of Diabetic Retinopathy using Deep Learning Algorithms for Segmentation to Facilitate Referral Recommendation for Test and Treatment Prediction [0.0]
本研究は糖尿病網膜症(DR)の臨床的課題について考察する。提案手法は、畳み込みニューラルネットワーク(CNN)を用いたトランスファーラーニングを利用して、単一の基礎写真を用いた自動DR検出を行う。 Jaccard、F1、リコール、精度、精度の高評価スコアは、網膜病理評価における診断能力を高めるモデルの可能性を示している。
論文参考訳（メタデータ） (2024-01-05T11:19:24Z)
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)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文参考訳（メタデータ） (2021-06-25T08:32:45Z)
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)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。