論文の概要: A Residual Encoder-Decoder Network for Segmentation of Retinal
Image-Based Exudates in Diabetic Retinopathy Screening
- arxiv url: http://arxiv.org/abs/2201.05963v1
- Date: Sun, 16 Jan 2022 04:08:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-22 07:51:25.525258
- Title: A Residual Encoder-Decoder Network for Segmentation of Retinal
Image-Based Exudates in Diabetic Retinopathy Screening
- Title（参考訳）: 糖尿病網膜症スクリーニングにおける網膜イメージベース抽出のための残留エンコーダデコーダネットワーク
- Authors: Malik A. Manan, Tariq M. Khan, Ahsan Saadat, Muhammad Arsalan, and
Syed S. Naqvi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.8496844821697171
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetic retinopathy refers to the pathology of the retina induced by
diabetes and is one of the leading causes of preventable blindness in the
world. Early detection of diabetic retinopathy is critical to avoid vision
problem through continuous screening and treatment. In traditional clinical
practice, the involved lesions are manually detected using photographs of the
fundus. However, this task is cumbersome and time-consuming and requires
intense effort due to the small size of lesion and low contrast of the images.
Thus, computer-assisted diagnosis of diabetic retinopathy based on the
detection of red lesions is actively being explored recently. In this paper, we
present a convolutional neural network with residual skip connection for the
segmentation of exudates in retinal images. To improve the performance of
network architecture, a suitable image augmentation technique is used. The
proposed network can robustly segment exudates with high accuracy, which makes
it suitable for diabetic retinopathy screening. Comparative performance
analysis of three benchmark databases: HEI-MED, E-ophtha, and DiaretDB1 is
presented. It is shown that the proposed method achieves accuracy (0.98, 0.99,
0.98) and sensitivity (0.97, 0.92, and 0.95) on E-ophtha, HEI-MED, and
DiaReTDB1, respectively.
- Abstract（参考訳）: 糖尿病網膜症(英: diabetes retinopathy)は、糖尿病によって引き起こされる網膜の病態であり、世界における予防可能な盲目の原因の1つである。
糖尿病網膜症の早期発見は、連続スクリーニングと治療による視力障害を避けるために重要である。
従来の臨床実践では、手動で眼底写真を用いて病変が検出される。
しかし、この作業は面倒で時間がかかるため、病変の大きさが小さく、画像のコントラストが低いため、多大な労力を要する。
近年,赤い病変の検出による糖尿病網膜症のコンピュータ診断が盛んに行われている。
本稿では,網膜画像におけるエキデン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。
ネットワークアーキテクチャの性能を向上させるために、適切な画像拡張技術を用いる。
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した精度でロバストにセグメント化することができる。
HEI-MED、E-ophtha、DiaretDB1の3つのベンチマークデータベースの比較性能解析を行った。
提案手法は,E-ophtha,HEI-MED,DiaReTDB1の精度 (0.98, 0.99, 0.98) と感度 (0.97, 0.92, 0.95) を実現する。
関連論文リスト
- 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) - Deep Semi-Supervised and Self-Supervised Learning for Diabetic
Retinopathy Detection [0.0]
糖尿病網膜症は、先進国の労働年齢層における失明の主要な原因の1つである。
深部ニューラルネットワークは眼底画像のDR分類のための自動化システムで広く利用されている。
本稿では,ラベル付き画像とラベル付き画像を利用して糖尿病網膜症を検出するモデルを訓練する半教師付き手法を提案する。
論文 参考訳（メタデータ） (2022-08-04T02:28:13Z) - 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) - 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) - 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) - 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) - Deep Learning Approach to Diabetic Retinopathy Detection [0.0]
そこで本研究では,ヒトの眼底写真から糖尿病網膜症を自動的に検出する深層学習手法を提案する。
また、異なるラベル付けの類似したデータセットを利用するトランスファーラーニングの多段階的アプローチを提案する。
本発明の方法は, 糖尿病網膜症の早期発見のためのスクリーニング法として, 感度, 特異性0。
論文 参考訳（メタデータ） (2020-03-03T21:17:46Z)
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。