論文の概要: ROCT-Net: A new ensemble deep convolutional model with improved spatial
resolution learning for detecting common diseases from retinal OCT images
- arxiv url: http://arxiv.org/abs/2203.01883v1
- Date: Thu, 3 Mar 2022 17:51:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-04 15:19:32.857555
- Title: ROCT-Net: A new ensemble deep convolutional model with improved spatial
resolution learning for detecting common diseases from retinal OCT images
- Title（参考訳）: ROCT-Net:網膜CT画像からの共通疾患検出のための空間分解能学習を改良した新しいアンサンブル深部畳み込みモデル
- Authors: Mohammad Rahimzadeh and Mahmoud Reza Mohammadi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Optical coherence tomography (OCT) imaging is a well-known technology for
visualizing retinal layers and helps ophthalmologists to detect possible
diseases. Accurate and early diagnosis of common retinal diseases can prevent
the patients from suffering critical damages to their vision. Computer-aided
diagnosis (CAD) systems can significantly assist ophthalmologists in improving
their examinations. This paper presents a new enhanced deep ensemble
convolutional neural network for detecting retinal diseases from OCT images.
Our model generates rich and multi-resolution features by employing the
learning architectures of two robust convolutional models. Spatial resolution
is a critical factor in medical images, especially the OCT images that contain
tiny essential points. To empower our model, we apply a new post-architecture
model to our ensemble model for enhancing spatial resolution learning without
increasing computational costs. The introduced post-architecture model can be
deployed to any feature extraction model to improve the utilization of the
feature map's spatial values. We have collected two open-source datasets for
our experiments to make our models capable of detecting six crucial retinal
diseases: Age-related Macular Degeneration (AMD), Central Serous Retinopathy
(CSR), Diabetic Retinopathy (DR), Choroidal Neovascularization (CNV), Diabetic
Macular Edema (DME), and Drusen alongside the normal cases. Our experiments on
two datasets and comparing our model with some other well-known deep
convolutional neural networks have proven that our architecture can increase
the classification accuracy up to 5%. We hope that our proposed methods create
the next step of CAD systems development and help future researches. The code
of this paper is shared at https://github.com/mr7495/OCT-classification.
- Abstract（参考訳）: 光コヒーレンス断層撮影(OCT)は網膜の層を可視化する技術としてよく知られている。
網膜疾患の正確な診断と早期診断は、患者が視力に重大な損傷を負うのを予防する。
computer-assisted diagnostic (cad) システムは眼科医の検査の改善に大いに役立つ。
本稿では,oct画像から網膜疾患を検出するための,新しい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。
このモデルは2つのロバストな畳み込みモデルの学習アーキテクチャを用いて,リッチでマルチレゾリューションな特徴を生成する。
空間分解能は医療画像、特に小さな必須点を含むOCT画像において重要な要素である。
計算コストを増大させることなく空間分解能学習を増強するアンサンブルモデルに,新しい建築後モデルを適用する。
導入されたアーキテクチャ後モデルは、特徴マップの空間値の利用を改善するために、任意の特徴抽出モデルにデプロイすることができる。
われわれは, 加齢関連黄斑変性症 (AMD) , 中枢性血清網膜症 (CSR) , 糖尿病網膜症 (DR) , 脈絡膜新生血管形成 (CNV) , 糖尿病黄斑浮腫 (DME) , ドルーセンの6つの重要な網膜疾患を検出できるモデルを作成するために, 実験のために2つのオープンソースデータセットを収集した。
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。
提案手法がCADシステム開発の次のステップを生み出し,今後の研究を支援することを願っている。
本論文のコードはhttps://github.com/mr7495/OCT分類で共有されている。
関連論文リスト
- Block Expanded DINORET: Adapting Natural Domain Foundation Models for Retinal Imaging Without Catastrophic Forgetting [1.2573191100165562]
我々はDINOv2視覚変換器を自己教師あり学習を用いた網膜画像分類タスクに適用した。
DINORETとBE DINORETという2つの新しい基礎モデルを生成した。
データ効率ではDINORETとBE DINORETがRETFoundより優れていた。
論文 参考訳（メタデータ） (2024-09-25T20:17:16Z) - 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) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - 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) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Feature Representation Learning for Robust Retinal Disease Detection
from Optical Coherence Tomography Images [0.0]
眼科画像は、異なる網膜変性疾患を区別する自動化技術で失敗する、同一の外観の病理を含んでいる可能性がある。
本研究では,3つの学習ヘッドを持つ堅牢な疾患検出アーキテクチャを提案する。
2つのOCTデータセットによる実験結果から,提案モデルが既存の最先端モデルよりも精度,解釈可能性,堅牢性に優れ,網膜外網膜疾患の検出に有用であることが示唆された。
論文 参考訳（メタデータ） (2022-06-24T07:59:36Z) - Interpretable Automated Diagnosis of Retinal Disease using Deep OCT
Analysis [7.005458308454871]
我々は,OCTスキャンの正確な分類のためのCNNベースモデルを開発した。
我々は、モデルの判断に関する質的および定量的な説明の両方を作成することに重点を置いている。
私たちの仕事は、モデルの決定について、初めて詳細な説明をしました。
論文 参考訳（メタデータ） (2021-09-03T17:59:34Z) - 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) - Hierarchical Amortized Training for Memory-efficient High Resolution 3D
GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。
トレーニングと推論の異なる構成を使用することで、この目標を達成する。
3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文 参考訳（メタデータ） (2020-08-05T02:33:04Z) - 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) - Optimal Transfer Learning Model for Binary Classification of Funduscopic
Images through Simple Heuristics [0.8370915747360484]
深層学習ニューラルネットワークを用いて、眼内画像の視覚的表現を診断する。
本稿では, 病原体が健康であるか, 病原体なのかを, 低コストで推定する, 病原体分類の統一モデルを提案する。
論文 参考訳（メタデータ） (2020-02-11T03:49:14Z)
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。