Fugu-MT 論文翻訳(概要): Computer Aided Diagnosis and Out-of-Distribution Detection in Glaucoma Screening Using Color Fundus Photography

論文の概要: Computer Aided Diagnosis and Out-of-Distribution Detection in Glaucoma Screening Using Color Fundus Photography

arxiv url: http://arxiv.org/abs/2202.11944v1
Date: Thu, 24 Feb 2022 08:00:04 GMT
ステータス: 処理完了
システム内更新日: 2022-02-26 02:10:20.404433
Title: Computer Aided Diagnosis and Out-of-Distribution Detection in Glaucoma Screening Using Color Fundus Photography
Title（参考訳）: カラー写真を用いた緑内障検診におけるコンピュータ支援診断とアウト・オブ・ディストリビューション検出
Authors: Satoshi Kondo, Satoshi Kasai, Kosuke Hirasawa
Abstract要約: 本稿ではAIROGSチャレンジに提案した手法について述べる。提案手法は畳み込みニューラルネットワークを用いて入力画像を「参照緑内障」または「参照緑内障」に分類する。
参考スコア（独自算出の注目度）: 0.10312968200748115
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Artificial Intelligence for RObust Glaucoma Screening (AIROGS) Challenge is held for developing solutions for glaucoma screening from color fundus photography that are robust to real-world scenarios. This report describes our method submitted to the AIROGS challenge. Our method employs convolutional neural networks to classify input images to "referable glaucoma" or "no referable glaucoma". In addition, we introduce an inference-time out-of-distribution (OOD) detection method to identify ungradable images. Our OOD detection is based on an energy-based method combined with activation rectification.
Abstract（参考訳）: RObust Glaucoma Screening (AIROGS) Challengeは、現実世界のシナリオに対して堅牢なカラーファンドス写真からの緑内障スクリーニングソリューションを開発するために開催される。本報告では,airogsチャレンジに提案する手法について述べる。本手法では畳み込みニューラルネットワークを用いて入力画像を「参照可能な緑内障」または「参照可能な緑内障なし」に分類する。さらに,不規則な画像を特定するために,推定時アウトオブディストリビューション(OOD)検出手法を導入する。 ood検出は,活性化整流法を併用したエネルギーベース手法に基づく。

関連論文リスト

Graph-Guided Test-Time Adaptation for Glaucoma Diagnosis using Fundus Photography [36.328434151676525]
緑内障は世界中で不可逆的な盲目の原因となっている。眼底画像を用いた深層学習は緑内障の早期診断を大幅に改善した。異なるデバイスや場所(ドメインシフトとして知られる)からのイメージの変化は、実世界の設定で事前トレーニングされたモデルを使用することに挑戦する。緑内障の診断モデルを未知のテスト環境に一般化するためのグラフ誘導テスト時間適応フレームワークを提案する。
論文参考訳（メタデータ） (2024-07-05T10:06:55Z)
Improving Classification of Retinal Fundus Image Using Flow Dynamics Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文参考訳（メタデータ） (2023-04-29T16:11:34Z)
Automatic detection of glaucoma via fundus imaging and artificial intelligence: A review [0.4215938932388722]
緑内障は世界中で不可逆的な視覚障害の原因となっている。ファンダスイメージングは非侵襲的で低コストである。人工知能は、光学カップとディスクの境界を自動的に見つけることができる。
論文参考訳（メタデータ） (2022-04-12T07:47:13Z)
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)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文参考訳（メタデータ） (2021-10-06T08:10:28Z)
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)
Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
緑内障は世界の視覚障害の主要な原因の1つである。生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
論文参考訳（メタデータ） (2021-06-25T10:53:01Z)
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)
DeepOpht: Medical Report Generation for Retinal Images via Deep Models and Visual Explanation [24.701001374139047]
本手法は、網膜疾患識別子と臨床記述生成器を含むディープニューラルネットワーク(DNN)モジュールからなる。本手法は臨床的に関係のある有意義な網膜画像記述と視覚的説明を作成することができる。
論文参考訳（メタデータ） (2020-11-01T17:28:12Z)
NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文参考訳（メタデータ） (2020-08-07T04:31:33Z)

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。