論文の概要: Comparing Conventional and Deep Feature Models for Classifying Fundus Photography of Hemorrhages

• arxiv url: http://arxiv.org/abs/2206.01118v1
• Date: Thu, 2 Jun 2022 16:00:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-03 14:04:47.304887
• Title: Comparing Conventional and Deep Feature Models for Classifying Fundus Photography of Hemorrhages
• Title（参考訳）: 出血の眼底撮影における従来モデルと深部特徴モデルの比較
• Authors: Tamoor Aziz, Chalie Charoenlarpnopparut, Srijidtra Mahapakulchai
• Abstract要約: 本研究は出血検出法を用いて,従来の特徴と深部特徴の分類を比較した。 適応輝度調整とコントラスト強調により劣化した画像が修正される。 出血は、局所的な強度のばらつきに基づく新しい技法によって区分される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic retinopathy is an eye-related pathology creating abnormalities and causing visual impairment, proper treatment of which requires identifying irregularities. This research uses a hemorrhage detection method and compares classification of conventional and deep features. Especially, method identifies hemorrhage connected with blood vessels or reside at retinal border and reported challenging. Initially, adaptive brightness adjustment and contrast enhancement rectify degraded images. Prospective locations of hemorrhages are estimated by a Gaussian matched filter, entropy thresholding, and morphological operation. Hemorrhages are segmented by a novel technique based on regional variance of intensities. Features are then extracted by conventional methods and deep models for training support vector machines, and results evaluated. Evaluation metrics for each model are promising, but findings suggest that comparatively, deep models are more effective than conventional features.
• Abstract（参考訳）: 糖尿病網膜症(英: Diabetic retinopathy)は、異常を生じ、視覚障害を引き起こす眼疾患である。 本研究は出血検出法を用いて従来型と深部型の分類を比較検討した。 特に、血管に繋がる出血、または網膜境界に居住し、困難を報告している。 当初、適応輝度調整とコントラスト強調は劣化画像を補正する。 ガウシアンマッチングフィルタ,エントロピー閾値,形態学的操作により出血の予測的位置を推定する。 出血は局所的な強度のばらつきに基づく新しいテクニックによって区分される。 特徴を従来の手法と深層モデルで抽出してサポートベクターマシンを訓練し,評価した。 各モデルの評価基準は有望だが, 比較的深層モデルの方が従来の特徴よりも有効であることが示唆された。

関連論文リスト

• Transformer-Based Self-Supervised Learning for Histopathological Classification of Ischemic Stroke Clot Origin [0.0]
  虚血性脳卒中における血栓塞栓源の同定は治療と二次予防に不可欠である。 本研究は,虚血性脳梗塞の発生源を分類するためのエンボリのデジタル病理学における自己教師型深層学習アプローチについて述べる。
  論文  参考訳（メタデータ） (2024-05-01T23:40:12Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
  本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。 合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
  論文  参考訳（メタデータ） (2023-07-01T06:13:10Z)
• Salient Skin Lesion Segmentation via Dilated Scale-Wise Feature Fusion Network [28.709314434820953]
  現在の皮膚病変のセグメンテーションアプローチは、困難な状況下ではパフォーマンスが悪くなっている。 畳み込み分解に基づく拡張スケールワイド機能融合ネットワークを提案する。 提案手法は, 常に最先端の結果を示す。
  論文  参考訳（メタデータ） (2022-05-20T16:08:37Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• Segmentation of Anatomical Layers and Artifacts in Intravascular Polarization Sensitive Optical Coherence Tomography Using Attending Physician and Boundary Cardinality Lost Terms [4.93836246080317]
  血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。 畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。 モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
  論文  参考訳（メタデータ） (2021-05-11T15:52:31Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• StyPath: Style-Transfer Data Augmentation For Robust Histology Image Classification [6.690876060631452]
  我々は,StyPathに基づくAMR分類のための,堅牢なディープニューラルネットワークを構築するための新しいパイプラインを提案する。 それぞれの画像は、1GTX V TITANとpytorchを使って1.84 + 0.03秒で生成された。 以上の結果から,本手法は組織学的分類性能を向上させることが示唆された。
  論文  参考訳（メタデータ） (2020-07-09T18:02:49Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• 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)

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。