論文の概要: REFUGE2 Challenge: Treasure for Multi-Domain Learning in Glaucoma Assessment

• arxiv url: http://arxiv.org/abs/2202.08994v1
• Date: Fri, 18 Feb 2022 02:56:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-21 14:18:46.352372
• Title: REFUGE2 Challenge: Treasure for Multi-Domain Learning in Glaucoma Assessment
• Title（参考訳）: REFUGE2チャレンジ:緑内障診断におけるマルチドメイン学習のための宝物
• Authors: Huihui Fang, Fei Li, Huazhu Fu, Xu Sun, Xingxing Cao, Jaemin Son, Shuang Yu, Menglu Zhang, Chenglang Yuan, Cheng Bian, Baiying Lei, Benjian Zhao, Xinxing Xu, Shaohua Li, Francisco Fumero, Jose Sigut, Haidar Almubarak, Yakoub Bazi, Yuanhao Guo, Yating Zhou, Ujjwal Baid, Shubham Innani, Tianjiao Guo, Jie Yang, Jos\'e Ignacio Orlando, Hrvoje Bogunovi\'c, Xiulan Zhang, Yanwu Xu
• Abstract要約: REFUGE2チャレンジでは、Zeiss、Canon、Kowa、Topconを含む4つのモデルの2000枚のカラー・ファンドイメージがリリースされた。 3つのサブタスクは緑内障分類、カップ/光ディスクセグメンテーション、黄斑葉の局在などの課題のために設計された。 この記事では、ファイナリストのメソッドを要約し、その結果を分析します。
• 参考スコア（独自算出の注目度）: 45.41988445653055
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Glaucoma is the second leading cause of blindness and is the leading cause of irreversible blindness disease in the world. Early screening for glaucoma in the population is significant. Color fundus photography is the most cost effective imaging modality to screen for ocular diseases. Deep learning network is often used in color fundus image analysis due to its powful feature extraction capability. However, the model training of deep learning method needs a large amount of data, and the distribution of data should be abundant for the robustness of model performance. To promote the research of deep learning in color fundus photography and help researchers further explore the clinical application signification of AI technology, we held a REFUGE2 challenge. This challenge released 2,000 color fundus images of four models, including Zeiss, Canon, Kowa and Topcon, which can validate the stabilization and generalization of algorithms on multi-domain. Moreover, three sub-tasks were designed in the challenge, including glaucoma classification, cup/optic disc segmentation, and macular fovea localization. These sub-tasks technically cover the three main problems of computer vision and clinicly cover the main researchs of glaucoma diagnosis. Over 1,300 international competitors joined the REFUGE2 challenge, 134 teams submitted more than 3,000 valid preliminary results, and 22 teams reached the final. This article summarizes the methods of some of the finalists and analyzes their results. In particular, we observed that the teams using domain adaptation strategies had high and robust performance on the dataset with multi-domain. This indicates that UDA and other multi-domain related researches will be the trend of deep learning field in the future, and our REFUGE2 datasets will play an important role in these researches.
• Abstract（参考訳）: 緑内障は第2の盲目の原因であり、世界において不可逆的な盲目疾患の主要な原因である。 集団における緑内障の早期スクリーニングは重要である。 カラー眼底撮影は、眼疾患のスクリーニングに最も費用がかかる画像モダリティである。 深層学習ネットワークは多彩な特徴抽出機能のため,カラーベース画像解析によく用いられる。 しかし、ディープラーニング手法のモデルトレーニングには大量のデータが必要であり、モデル性能の堅牢性のためには、データの分布が豊富である必要がある。 カラーファンドス写真における深層学習研究の促進と,AI技術の臨床応用のさらなる研究を支援するため,我々はREFUGE2チャレンジを行った。 この課題により、zeiss、canon、kowa、topconを含む4つのモデルの2000色のファンドイメージがリリースされ、マルチドメインでのアルゴリズムの安定化と一般化が検証された。 さらに, 緑内障分類, cup/optic disc segmentation, macular fovea localizationの3つのサブタスクがデザインされた。 これらのサブタスクは、コンピュータビジョンの3つの主要な問題を技術的にカバーし、臨床では緑内障の診断の主要な研究をカバーしている。 大会には1,300以上の国際競技者が参加し、134チームが3000以上の有効な予備結果を提出し、22チームが決勝に進出した。 本稿では、ファイナリストのメソッドを要約し、その結果を分析する。 特に、ドメイン適応戦略を使用しているチームは、マルチドメインのデータセットで高い堅牢なパフォーマンスを示した。 このことは、UDAや他のマルチドメイン研究が将来ディープラーニング分野のトレンドとなり、我々のREFUGE2データセットがこれらの研究において重要な役割を果たすことを示している。

関連論文リスト

• Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging [1.8416014644193066]
  本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。 我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。 大規模データセットに対する実験結果から,提案手法の最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-08T22:25:15Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• 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)
• AIROGS: Artificial Intelligence for RObust Glaucoma Screening Challenge [18.44680163150822]
  本稿では,ロバスト緑内障スクリーニングのための人工知能を提案する。 この課題には、約6万人の患者と500の異なるスクリーニングセンターから約11万3000の画像の大規模なデータセットが含まれている。 優れたチームは20名の専門の眼科医や眼科医と同様の成績を示した。
  論文  参考訳（メタデータ） (2023-02-03T13:55:30Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
  グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。 この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。 緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
  論文  参考訳（メタデータ） (2022-02-14T06:54:15Z)
• 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)

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。