論文の概要: Deep Semi-Supervised and Self-Supervised Learning for Diabetic Retinopathy Detection

• arxiv url: http://arxiv.org/abs/2208.02408v1
• Date: Thu, 4 Aug 2022 02:28:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-05 12:35:12.566405
• Title: Deep Semi-Supervised and Self-Supervised Learning for Diabetic Retinopathy Detection
• Title（参考訳）: 糖尿病網膜症検出のための深層半監督学習と自己監督学習
• Authors: Jose Miguel Arrieta Ramos and Oscar Perd\'omo and Fabio A. Gonz\'alez
• Abstract要約: 糖尿病網膜症は、先進国の労働年齢層における失明の主要な原因の1つである。 深部ニューラルネットワークは眼底画像のDR分類のための自動化システムで広く利用されている。 本稿では,ラベル付き画像とラベル付き画像を利用して糖尿病網膜症を検出するモデルを訓練する半教師付き手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Diabetic retinopathy (DR) is one of the leading causes of blindness in the working-age population of developed countries, caused by a side effect of diabetes that reduces the blood supply to the retina. Deep neural networks have been widely used in automated systems for DR classification on eye fundus images. However, these models need a large number of annotated images. In the medical domain, annotations from experts are costly, tedious, and time-consuming; as a result, a limited number of annotated images are available. This paper presents a semi-supervised method that leverages unlabeled images and labeled ones to train a model that detects diabetic retinopathy. The proposed method uses unsupervised pretraining via self-supervised learning followed by supervised fine-tuning with a small set of labeled images and knowledge distillation to increase the performance in classification task. This method was evaluated on the EyePACS test and Messidor-2 dataset achieving 0.94 and 0.89 AUC respectively using only 2% of EyePACS train labeled images.
• Abstract（参考訳）: 糖尿病網膜症(英: Diabetic retinopathy, DR)は、先進国の労働年齢層における失明の原因の一つであり、糖尿病による網膜への血液供給の低下が原因である。 深部ニューラルネットワークは眼底画像のDR分類のための自動化システムで広く利用されている。 しかし、これらのモデルは多数の注釈付き画像を必要とする。 医療領域では、専門家のアノテーションは費用がかかり、退屈で、時間がかかります。 本稿では,ラベル付き画像とラベル付き画像を用いて糖尿病網膜症を検知するモデルを訓練する半教師付き手法を提案する。 提案手法は, 自己教師付き学習による教師なし事前学習と, ラベル付き画像群と知識蒸留による教師なし微調整を併用し, 分類作業における性能を向上させる。 この方法はEyePACSテストで評価され、Messidor-2データセットはそれぞれ0.94AUCと0.89AUCを達成した。

関連論文リスト

• Transfer-Ensemble Learning based Deep Convolutional Neural Networks for Diabetic Retinopathy Classification [0.7614628596146599]
  本稿では,糖尿病性網膜症 (DR) を,VGG16 と Inception V3 の2つのよく訓練された畳み込みニューラルネットワークに基づくアンサンブルアプローチを用いて,5つのクラスに分類することを目的とする。 実験結果から,DR分類におけるアンサンブルモデルの有効性が96.4%の精度で示された。
  論文  参考訳（メタデータ） (2023-08-01T13:07:39Z)
• 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)
• 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)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。 DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。 本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-04T11:31:15Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• DiaRet: A browser-based application for the grading of Diabetic Retinopathy with Integrated Gradients [0.0]
  糖尿病は、タイプ1の自己免疫β細胞破壊の欠陥に起因する代謝障害であり、タイプ2のインスリン作用に対する末梢抵抗性または、最も一般的には、両方。 長期糖尿病の患者は、しばしば糖尿病網膜症にかかり、人間の目の網膜の変化を引き起こし、極端なケースで視力の喪失につながる可能性があります。 本研究の目的は2つある: (a) 劣化した網膜眼底画像のグレードに訓練されたディープラーニングモデルを作成し、 (b) 眼底画像の重要な特徴を強調して診断手順を支援するブラウザベースのアプリケーションを作成することである。
  論文  参考訳（メタデータ） (2021-03-15T16:19:56Z)
• 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)
• Conversion and Implementation of State-of-the-Art Deep Learning Algorithms for the Classification of Diabetic Retinopathy [0.0]
  Inception-V3, VGG19, VGG16, ResNet50, InceptionResNetV2を実験により評価した。 彼らは、DR重度に基づいて、医療画像を5つの異なるクラスに分類する。 実験の結果、ResNet50はバイナリ分類の最高性能を示している。
  論文  参考訳（メタデータ） (2020-10-07T20:42:14Z)
• 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)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)

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。