論文の概要: Novel Fundus Image Preprocessing for Retcam Images to Improve Deep Learning Classification of Retinopathy of Prematurity
- arxiv url: http://arxiv.org/abs/2302.02524v5
- Date: Mon, 17 Jun 2024 16:41:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-19 13:20:03.825879
- Title: Novel Fundus Image Preprocessing for Retcam Images to Improve Deep Learning Classification of Retinopathy of Prematurity
- Title(参考訳): 未熟児網膜症の深層学習分類を改善するリトカム画像のための新しい基礎画像前処理法
- Authors: Sajid Rahim, Kourosh Sabri, Anna Ells, Alan Wassyng, Mark Lawford, Linyang Chu, Wenbo He,
- Abstract要約: 未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、目の網膜に損傷があるため失明する眼疾患である。
本稿では,事前学習フレームワークを用いた新しい基礎前処理手法を提案する。
- 参考スコア(独自算出の注目度): 5.408949958349055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retinopathy of Prematurity (ROP) is a potentially blinding eye disorder because of damage to the eye's retina which can affect babies born prematurely. Screening of ROP is essential for early detection and treatment. This is a laborious and manual process which requires trained physician performing dilated ophthalmological examination which can be subjective resulting in lower diagnosis success for clinically significant disease. Automated diagnostic methods can assist ophthalmologists increase diagnosis accuracy using deep learning. Several research groups have highlighted various approaches. Captured ROP Retcam images suffer from poor quality. This paper proposes the use of improved novel fundus preprocessing methods using pretrained transfer learning frameworks to create hybrid models to give higher diagnosis accuracy. Once trained and validated, the evaluations showed that these novel methods in comparison to traditional imaging processing contribute to better and in many aspects higher accuracy in classifying Plus disease, Stages of ROP and Zones in comparison to peer papers.
- Abstract(参考訳): 未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、未熟児に影響を与える眼の網膜の損傷により失明する可能性のある眼疾患である。
ROPのスクリーニングは早期発見と治療に不可欠である。
これは、臨床上重要な疾患の診断成功率を低下させる原因となる主観的な拡張眼科検査を訓練された医師に要求する、退屈で手動のプロセスである。
自動診断法は、深層学習を用いて眼科医が診断精度を向上させるのに役立つ。
いくつかの研究グループが様々なアプローチを強調している。
キャプチャされたROPリトカム画像は、品質の低下に悩まされる。
本稿では,事前学習フレームワークを用いた新しい基礎前処理手法を用いてハイブリッドモデルを構築し,診断精度を高めることを提案する。
評価の結果、従来の画像処理と比較して、Plus病、ROPのステージ、およびゾーンの分類において、これらの新しい手法が、ピアペーパーと比較して、多くの面で、より良い精度に寄与することが確認された。
関連論文リスト
- A better approach to diagnose retinal diseases: Combining our Segmentation-based Vascular Enhancement with deep learning features [3.717366858126521]
網膜基底像の異常は特定の病態を示す可能性がある。
従来の医学では、網膜関連疾患の診断は、医師の網膜基底画像の主観的評価に依存している。
本稿では,網膜基底画像関連疾患の迅速かつ客観的かつ正確な診断法を提案する。
論文 参考訳(メタデータ) (2024-05-25T13:52:40Z) - 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) - Deep Learning Innovations in Diagnosing Diabetic Retinopathy: The
Potential of Transfer Learning and the DiaCNN Model [14.643107563426701]
糖尿病網膜症(DR)は視覚障害の重要な原因である。
従来の診断法は人間の解釈に頼っており、精度と効率の点で課題に直面している。
従来の診断法と比較して,DR診断の精度が向上する新しい手法を提案する。
論文 参考訳(メタデータ) (2024-01-25T07:24:06Z) - Eye Disease Prediction using Ensemble Learning and Attention on OCT
Scans [2.5122414857278472]
我々は、効率的な眼疾患予測に機械学習とディープラーニング技術を利用するエンド・ツー・エンドのウェブアプリケーションを紹介した。
このアプリケーションにより、患者は、トレーニングされたカスタムUNetモデルを使用してセグメンテーションを行う、生のOCTスキャン画像を送ることができる。
アンサンブルモデルの出力は、様々な眼疾患を予測し分類するために集約される。
論文 参考訳(メタデータ) (2023-11-26T13:55:24Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳(メタデータ) (2021-10-28T12:59:06Z) - 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) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Early Blindness Detection Based on Retinal Images Using Ensemble
Learning [2.099922236065961]
糖尿病網膜症は、世界中の成人の視覚障害の主要な原因である。
デジタル画像処理(DIP)と機械学習(ML)の分野における最近の進歩は、この点において機械の使用方法の道を開いた。
本研究では、アンサンブル学習アルゴリズムを用いて網膜画像から抽出した色情報に基づいて、新しい早期盲検検出法を提案する。
論文 参考訳(メタデータ) (2020-06-12T21:16:21Z) - 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。