Fugu-MT 論文翻訳(概要): A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus Images

論文の概要: A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus Images

arxiv url: http://arxiv.org/abs/2210.16093v1
Date: Fri, 28 Oct 2022 12:35:15 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 15:14:52.969008
Title: A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus Images
Title（参考訳）: 眼底画像を用いた白内障検出のためのCNN-LSTM複合ネットワーク
Authors: Dishant Padalia, Abhishek Mazumdar, Bharati Singh
Abstract要約: 50歳以上の人の不可逆性失明の主な原因の1つは白内障治療の遅れである。我々は,低コストな診断システムの構築を目的として,CNN-LSTMに基づくモデルアーキテクチャを開発した。提案されたアーキテクチャは、最先端の97.53%の精度で以前のシステムより優れていた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: According to multiple authoritative authorities, including the World Health Organization, vision-related impairments and disorders are becoming a significant issue. According to a recent report, one of the leading causes of irreversible blindness in persons over the age of 50 is delayed cataract treatment. A cataract is a cloudy spot in the eye's lens that causes visual loss. Cataracts often develop slowly and consequently result in difficulty in driving, reading, and even recognizing faces. This necessitates the development of rapid and dependable diagnosis and treatment solutions for ocular illnesses. Previously, such visual illness diagnosis were done manually, which was time-consuming and prone to human mistake. However, as technology advances, automated, computer-based methods that decrease both time and human labor while producing trustworthy results are now accessible. In this study, we developed a CNN-LSTM-based model architecture with the goal of creating a low-cost diagnostic system that can classify normal and cataractous cases of ocular disease from fundus images. The proposed model was trained on the publicly available ODIR dataset, which included fundus images of patients' left and right eyes. The suggested architecture outperformed previous systems with a state-of-the-art 97.53% accuracy.
Abstract（参考訳）: 世界保健機関(WHO)を含む複数の権威当局によると、視覚関連障害や障害が大きな問題となっている。最近の報告によると、50歳以上の人の不可逆性失明の主な原因の1つは白内障治療の遅れである。白内障は眼のレンズの曇りの斑点であり、視力の喪失を引き起こす。白内障はしばしばゆっくりと発達し、結果として運転、読書、さらには顔の認識が困難になる。これは、眼疾患の迅速かつ信頼性の高い診断および治療ソリューションの開発を必要とする。以前は、このような視覚疾患の診断は手作業で行われていたが、それは時間がかかり、人間のミスを招いた。しかし、技術が進歩するにつれて、時間と人間の労力を削減し、信頼できる結果を生み出す自動化されたコンピュータベースの手法が利用できるようになった。本研究では, 眼底画像から正常および白内障の症例を分類できる, 低コスト診断システムの構築を目的として, CNN-LSTMモデルアーキテクチャを開発した。提案モデルは,患者の左眼と右眼の眼底画像を含む,公開されているODIRデータセットに基づいて訓練された。提案されたアーキテクチャは、最先端の97.53%の精度で以前のシステムより優れていた。

関連論文リスト

Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
論文参考訳（メタデータ） (2024-05-14T17:15:28Z)
InceptionCaps: A Performant Glaucoma Classification Model for Data-scarce Environment [0.0]
緑内障は不可逆的な眼疾患で世界第2位の視覚障害の原因です本稿では,InceptionV3を畳み込みベースとしたカプセルネットワーク(CapsNet)をベースとした新しいディープラーニングモデルであるInceptionCapsを提案する。 InceptionCapsは0.956、特異性0.96、AUC0.9556を達成し、RIM-ONE v2データセット上での最先端のディープラーニングモデルのパフォーマンスを上回った。
論文参考訳（メタデータ） (2023-11-24T11:58:11Z)
Strategy for Rapid Diabetic Retinopathy Exposure Based on Enhanced Feature Extraction Processing [0.0]
本研究の目的は, 糖尿病網膜症の診断を改善するために, 時間的DR識別のための深層学習モデルを開発することである。提案モデルでは,早期に網膜画像から様々な病変を検出する。
論文参考訳（メタデータ） (2023-05-08T14:17:33Z)
A comprehensive survey on computer-aided diagnostic systems in diabetic retinopathy screening [0.0]
糖尿病性メリタス(DM)は、最終的に糖尿病網膜症(DR)を引き起こす重要な微小血管破壊を引き起こす私たちのレビューは、CADシステムで何が達成できるかを理解したい学生から確立した研究者まで、誰でも対象としています。
論文参考訳（メタデータ） (2022-08-03T02:11:42Z)
RADNet: Ensemble Model for Robust Glaucoma Classification in Color Fundus Images [0.0]
緑内障は最も重篤な眼疾患の1つで、急激な進行と不可逆性失明を特徴とする。集団の正常な緑内障検診では早期発見が改善するが,病原性チェックアップの望ましい頻度は期待できないことが多い。本研究では,高度な画像前処理手法と深層分類ネットワークのアンサンブルを併用した画像前処理手法を提案する。
論文参考訳（メタデータ） (2022-05-25T16:48:00Z)
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)
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)
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)
A Benchmark of Ocular Disease Intelligent Recognition: One Shot for Multi-disease Detection [9.059366200759722]
眼科領域では、早期眼底スクリーニングは眼疾患による盲目を防ぐ経済的かつ効果的な方法である。実際の医療現場に合わせて8つの疾患のデータセットを公開し、5,000人の患者の両眼からの1万の眼底画像を含む。
論文参考訳（メタデータ） (2021-02-16T07:00:49Z)
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)
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)

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。