論文の概要: Developing a Machine-Learning Algorithm to Diagnose Age-Related Macular Degeneration

• arxiv url: http://arxiv.org/abs/2201.12384v1
• Date: Fri, 28 Jan 2022 19:25:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-05 07:53:49.506285
• Title: Developing a Machine-Learning Algorithm to Diagnose Age-Related Macular Degeneration
• Title（参考訳）: 加齢黄斑変性診断のための機械学習アルゴリズムの開発
• Authors: Ananya Dua, Pham Hung Minh, Sajid Fahmid, Shikhar Gupta, Sophia Zheng, Vanessa Moyo, Yanran Elisa Xue
• Abstract要約: 40歳以上で1200万人以上が眼疾患に悩まされている。 眼疾患に対する機械学習アルゴリズムの利用が提案されている。 本研究では,n が 0, -1, ... -6 である場合の学習速度 1 * 10n の6つのモデルを生成し,各モデルに対する f1 スコアを算出した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Today, more than 12 million people over the age of 40 suffer from ocular diseases. Most commonly, older patients are susceptible to age related macular degeneration, an eye disease that causes blurring of the central vision due to the deterioration of the retina. The former can only be detected through complex and expensive imaging software, markedly a visual field test; this leaves a significant population with untreated eye disease and holds them at risk for complete vision loss. The use of machine learning algorithms has been proposed for treating eye disease. However, the development of these models is limited by a lack of understanding regarding appropriate model and training parameters to maximize model performance. In our study, we address these points by generating 6 models, each with a learning rate of 1 * 10^n where n is 0, -1, -2, ... -6, and calculated a f1 score for each of the models. Our analysis shows that sample imbalance is a key challenge in training of machine learning models and can result in deceptive improvements in training cost which does not translate to true improvements in model predictive performance. Considering the wide ranging impact of the disease and its adverse effects, we developed a machine learning algorithm to treat the same. We trained our model on varying eye disease datasets consisting of over 5000 patients, and the pictures of their infected eyes. In the future, we hope this model is used extensively, especially in areas that are under-resourced, to better diagnose eye disease and improve well being for humanity.
• Abstract（参考訳）: 現在、40歳以上の1200万人以上が眼疾患を患っている。 最も一般的には、高齢の患者は加齢に伴う黄斑変性(網膜の劣化による中心視のぼやけを引き起こす眼疾患)の影響を受けやすい。 前者は、複雑で高価な画像ソフトウェアでしか検出できず、目視検査が行われ、未治療の眼疾患を持つかなりの集団を残し、完全な視力喪失のリスクを負っている。 眼疾患に対する機械学習アルゴリズムの使用が提案されている。 しかしながら、これらのモデルの開発は、モデル性能を最大化するための適切なモデルとトレーニングパラメータに関する理解の欠如によって制限される。 本研究では,n が 0, -1, -2, ... -6 である場合の学習速度 1 * 10^n の6つのモデルを生成し,各モデルに対する f1 スコアを算出した。 分析の結果、サンプルの不均衡は機械学習モデルのトレーニングにおいて重要な課題であり、モデル予測性能の真の改善とはならない、トレーニングコストの騙し込みの改善をもたらす可能性があることが示された。 この病気の幅広い影響と悪影響を考慮すると、我々は同じことを処理するための機械学習アルゴリズムを開発した。 5000人以上の患者による眼疾患データセットと、その感染した目の画像に基づいて、我々のモデルを訓練した。 将来的には、このモデルが特に未資源の地域で広く使われ、眼疾患の診断や人間性の改善に活用されることを願っています。

関連論文リスト

• Classifying Dry Eye Disease Patients from Healthy Controls Using Machine Learning and Metabolomics Data [2.1823566969645536]
  ドライアイ病は眼表面の一般的な疾患であり、患者はアイケアを求める。 ドライアイ病の白内障患者を特定するために,機械学習とメタボロミクス情報を用いて検討した。
  論文  参考訳（メタデータ） (2024-06-20T07:44:56Z)
• Improve Robustness of Eye Disease Detection by including Learnable Probabilistic Discrete Latent Variables into Machine Learning Models [1.6000489723889526]
  糖尿病網膜症から緑内障まで、眼疾患は公衆衛生上の重要な課題である。 深層学習モデルは、眼画像などの医療画像を分析する強力なツールとして登場した。 本研究は,GFlowOutの新たな応用として,生成フローネットワーク(GFlowNets)の確率的フレームワークを活用して,ドロップアウトマスク上の後部分布を学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T04:14:54Z)
• Eye Disease Prediction using Ensemble Learning and Attention on OCT Scans [2.5122414857278472]
  我々は、効率的な眼疾患予測に機械学習とディープラーニング技術を利用するエンド・ツー・エンドのウェブアプリケーションを紹介した。 このアプリケーションにより、患者は、トレーニングされたカスタムUNetモデルを使用してセグメンテーションを行う、生のOCTスキャン画像を送ることができる。 アンサンブルモデルの出力は、様々な眼疾患を予測し分類するために集約される。
  論文  参考訳（メタデータ） (2023-11-26T13:55:24Z)
• Virchow: A Million-Slide Digital Pathology Foundation Model [34.38679208931425]
  本稿では,コンピュータ病理学の基礎モデルであるVirchowを紹介する。 Virchowは、150万のヘマトキシリンとエオシン染色されたスライドイメージに基づいて、632万のパラメータをトレーニングしたビジョントランスフォーマーモデルである。
  論文  参考訳（メタデータ） (2023-09-14T15:09:35Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification Using Model Ensembles [52.77024349608834]
  我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。 提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
  論文  参考訳（メタデータ） (2022-11-12T23:28:54Z)
• ROCT-Net: A new ensemble deep convolutional model with improved spatial resolution learning for detecting common diseases from retinal OCT images [0.0]
  本稿では,OCT画像から網膜疾患を検出するために,新たな深層アンサンブル畳み込みニューラルネットワークを提案する。 本モデルは,2つの頑健な畳み込みモデルの学習アーキテクチャを用いて,リッチかつマルチレゾリューションな特徴を生成する。 2つのデータセットに関する実験と、他のよく知られた深層畳み込みニューラルネットワークとの比較により、アーキテクチャが分類精度を最大5%向上できることが証明された。
  論文  参考訳（メタデータ） (2022-03-03T17:51:01Z)
• 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)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。