論文の概要: Discriminative Kernel Convolution Network for Multi-Label Ophthalmic Disease Detection on Imbalanced Fundus Image Dataset

• arxiv url: http://arxiv.org/abs/2207.07918v1
• Date: Sat, 16 Jul 2022 12:03:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 07:39:13.332616
• Title: Discriminative Kernel Convolution Network for Multi-Label Ophthalmic Disease Detection on Imbalanced Fundus Image Dataset
• Title（参考訳）: 不均衡眼底画像データセットを用いた多層眼科疾患検出のための識別的核畳み込みネットワーク
• Authors: Amit Bhati, Neha Gour, Pritee Khanna, Aparajita Ojha
• Abstract要約: 緑内障、糖尿病網膜症、白内障などの眼疾患が世界中の視覚障害の主な原因である。 本研究は,識別的カーネル畳み込みネットワーク (DKCNet) を提案する。 また、全く見えない眼底像にも良い効果が認められる。
• 参考スコア（独自算出の注目度）: 13.687617973585983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is feasible to recognize the presence and seriousness of eye disease by investigating the progressions in retinal biological structure. Fundus examination is a diagnostic procedure to examine the biological structure and anomaly of the eye. Ophthalmic diseases like glaucoma, diabetic retinopathy, and cataract are the main reason for visual impairment around the world. Ocular Disease Intelligent Recognition (ODIR-5K) is a benchmark structured fundus image dataset utilized by researchers for multi-label multi-disease classification of fundus images. This work presents a discriminative kernel convolution network (DKCNet), which explores discriminative region-wise features without adding extra computational cost. DKCNet is composed of an attention block followed by a squeeze and excitation (SE) block. The attention block takes features from the backbone network and generates discriminative feature attention maps. The SE block takes the discriminative feature maps and improves channel interdependencies. Better performance of DKCNet is observed with InceptionResnet backbone network for multi-label classification of ODIR-5K fundus images with 96.08 AUC, 94.28 F1-score and 0.81 kappa score. The proposed method splits the common target label for an eye pair based on the diagnostic keyword. Based on these labels oversampling and undersampling is done to resolve class imbalance. To check the biasness of proposed model towards training data, the model trained on ODIR dataset is tested on three publicly available benchmark datasets. It is found to give good performance on completely unseen fundus images also.
• Abstract（参考訳）: 網膜生体構造の進展を調べることにより、眼疾患の存在と重篤さを認識することが可能である。 眼底検査は、眼の生物学的構造と異常を調べるための診断手順である。 緑内障、糖尿病網膜症、白内障などの眼疾患が世界中の視覚障害の主な原因である。 眼疾患知的認識(ocir-5k)は、眼底画像のマルチラベルマルチディセーゼ分類に研究者が利用するベンチマーク構成眼底画像データセットである。 本研究は, 余分な計算コストを伴わずに, 判別的領域的特徴を探索する識別的カーネル畳み込みネットワーク(DKCNet)を提案する。 DKCNetはアテンションブロックからなり、その後に圧縮励起(SE)ブロックが続く。 注目ブロックは、バックボーンネットワークから特徴を取り、識別的特徴注意マップを生成する。 seブロックは識別機能マップを取り、チャネル間の依存性を改善する。 inceptionresnet backbone networkを用いて96.08 auc,94.28 f1-score, 0.81 kappaスコアのodir-5k基底画像のマルチラベル分類を行った。 提案手法は,眼球対の共通目標ラベルを診断キーワードに基づいて分割する。 これらのラベルに基づいて、クラス不均衡を解決するためにオーバーサンプリングとアンダーサンプリングが行われる。 提案したモデルのトレーニングデータに対するバイアスをチェックするために,ODIRデータセットでトレーニングされたモデルを3つの公開ベンチマークデータセットでテストする。 また、全く見当たらない眼底像にも優れた性能が認められた。

関連論文リスト

• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
  網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。 従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。 提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-05-05T15:22:20Z)
• 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)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [51.14431540035141]
  下流のゼロショット病理分類性能を改善するために,文サンプリングと正対損失緩和に基づく新たな微調整手法を提案する。 4種類の胸部X線データセットを用いてゼロショット病理分類性能を劇的に改善した。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• Segmentation of Blood Vessels, Optic Disc Localization, Detection of Exudates and Diabetic Retinopathy Diagnosis from Digital Fundus Images [0.0]
  糖尿病網膜症(英: Diabetic Retinopathy, DR)は、慢性糖尿病の合併症の一つで、世界有数の失明の原因の一つである。 本稿では, DR, viz. 血管および排出液の特徴を抽出する改良的, 堅牢な方法に焦点を当てた。 血管のセグメンテーション、光ディスクの局在、DCNNはそれぞれ95.93%、98.77%、75.73%である。
  論文  参考訳（メタデータ） (2022-07-09T22:26:04Z)
• 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)
• A Deep Learning-based Quality Assessment and Segmentation System with a Large-scale Benchmark Dataset for Optical Coherence Tomographic Angiography Image [16.31881124375424]
  我々は,深層ニューラルネットワークを用いたコンピュータ支援OCTA画像処理システムを開発し,眼科医の臨床診断・研究を支援する。 大規模なOCTAデータセット、すなわちOCTA-25K-IQA-SEGを公開して性能評価を行う。
  論文  参考訳（メタデータ） (2021-07-22T06:32:10Z)
• 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)
• Learning Discriminative Representations for Fine-Grained Diabetic Retinopathy Grading [6.129288755571804]
  糖尿病網膜症は視覚障害の主要な原因の1つである。 病気の重症度を判定するには、眼科医は眼底画像の識別部分に焦点を当てる必要がある。
  論文  参考訳（メタデータ） (2020-11-04T04:16:55Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。