Fugu-MT 論文翻訳(概要): Learning to screen Glaucoma like the ophthalmologists

論文の概要: Learning to screen Glaucoma like the ophthalmologists

arxiv url: http://arxiv.org/abs/2209.11431v1
Date: Fri, 23 Sep 2022 06:17:29 GMT
ステータス: 処理完了
システム内更新日: 2022-09-26 17:18:00.141708
Title: Learning to screen Glaucoma like the ophthalmologists
Title（参考訳）: 眼科医のような緑内障のスクリーニングを学ぶ
Authors: Junde Wu, Huihui Fang, Fei Li, Huazhu Fu, Yanwu Xu
Abstract要約: GAMMA Challengeは、眼科医のように、2Dファウンス画像と3D光コヒーレンス断層撮影ボリュームの組み合わせから緑内障をスクリーニングするAIモデルを奨励するために組織されている。
参考スコア（独自算出の注目度）: 41.29995543613081
License: http://creativecommons.org/licenses/by/4.0/
Abstract: GAMMA Challenge is organized to encourage the AI models to screen the glaucoma from a combination of 2D fundus image and 3D optical coherence tomography volume, like the ophthalmologists.
Abstract（参考訳）: GAMMA Challengeは、眼科医のような2D眼底画像と3D光コヒーレンス断層撮影ボリュームの組み合わせから緑内障をスクリーニングするAIモデルを奨励するために組織されている。

関連論文リスト

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)
DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文参考訳（メタデータ） (2023-04-05T12:04:55Z)
Artifact-Tolerant Clustering-Guided Contrastive Embedding Learning for Ophthalmic Images [18.186766129476077]
眼科画像の表現を学習するための,EyeLearnと呼ばれる人工物耐性の非教師なし学習フレームワークを提案する。 EyeLearnには、アーティファクトのない眼科画像の最良の予測が可能な表現を学ぶためのアーティファクト修正モジュールがある。 EyeLearnを評価するために,緑内障患者の実眼画像データセットを用いて,視覚野の予測と緑内障検出に学習表現を用いた。
論文参考訳（メタデータ） (2022-09-02T01:25:45Z)
Dataset and Evaluation algorithm design for GOALS Challenge [39.424658343179274]
緑内障は視神経の損傷により不可逆的な視力喪失を引き起こし,緑内障の治療法はない。 OCTによる緑内障の診断を定量化するためのAI技術の研究を促進するため,緑内障OCT解析・層干渉(GOALS)チャレンジを開催した。本稿では2つのサブタスクのベースラインと評価手法について述べる。
論文参考訳（メタデータ） (2022-07-29T02:51:26Z)
Geometric Deep Learning to Identify the Critical 3D Structural Features of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文参考訳（メタデータ） (2022-04-14T12:52:10Z)
REFUGE2 Challenge: Treasure for Multi-Domain Learning in Glaucoma Assessment [45.41988445653055]
REFUGE2チャレンジでは、Zeiss、Canon、Kowa、Topconを含む4つのモデルの2000枚のカラー・ファンドイメージがリリースされた。 3つのサブタスクは緑内障分類、カップ/光ディスクセグメンテーション、黄斑葉の局在などの課題のために設計された。この記事では、ファイナリストのメソッドを要約し、その結果を分析します。
論文参考訳（メタデータ） (2022-02-18T02:56:21Z)
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)
Deep Learning for Cornea Microscopy Blind Deblurring [0.0]
眼球の形状は、眼科医が完全に鋭い画像を持つことを防ぐ。我々のアプローチは、SR(Super Resolution)ネットワークを用いて画像のアップスケーリングを行うモデルを構築することである。
論文参考訳（メタデータ） (2020-06-25T11:50:35Z)

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。