論文の概要: An Improved Model for Diabetic Retinopathy Detection by using Transfer
Learning and Ensemble Learning
- arxiv url: http://arxiv.org/abs/2308.05178v1
- Date: Sat, 3 Jun 2023 12:19:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 14:51:59.600508
- Title: An Improved Model for Diabetic Retinopathy Detection by using Transfer
Learning and Ensemble Learning
- Title(参考訳): トランスファー・ラーニングとアンサンブル・ラーニングによる糖尿病網膜症検出モデルの改良
- Authors: Md. Simul Hasan Talukder, Ajay Kirshno Sarkar, Sharmin Akter, Md.
Nuhi-Alamin
- Abstract要約: 本稿では,糖尿病網膜症を正確に検出する機械学習モデルを開発した。
オーバーフィッティングを減らすため、データ拡張と正規化が行われた。
- 参考スコア(独自算出の注目度): 0.5735035463793009
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetic Retinopathy (DR) is an ocular condition caused by a sustained high
level of sugar in the blood, which causes the retinal capillaries to block and
bleed, causing retinal tissue damage. It usually results in blindness. Early
detection can help in lowering the risk of DR and its severity. The robust and
accurate prediction and detection of diabetic retinopathy is a challenging
task. This paper develops a machine learning model for detecting Diabetic
Retinopathy that is entirely accurate. Pre-trained models such as ResNet50,
InceptionV3, Xception, DenseNet121, VGG19, NASNetMobile, MobileNetV2,
DensNet169, and DenseNet201 with pooling layer, dense layer, and appropriate
dropout layer at the bottom of them were carried out in transfer learning (TL)
approach. Data augmentation and regularization was performed to reduce
overfitting. Transfer Learning model of DenseNet121, Average and weighted
ensemble of DenseNet169 and DenseNet201 TL architectures contribute
individually the highest accuracy of 100%, the highest precision, recall, F-1
score of 100%, 100%, and 100%, respectively.
- Abstract(参考訳): 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、血液中の高濃度糖によって引き起こされる眼疾患であり、網膜毛細血管が閉塞して出血し、網膜組織の損傷を引き起こす。
通常は盲目になる。
早期検出は、DRのリスクとその重症度を低下させるのに役立つ。
糖尿病網膜症の堅牢かつ正確な予測と検出は難しい課題である。
本稿では,糖尿病網膜症を検出する機械学習モデルを開発した。
resnet50, inceptionv3, xception, densenet121, vgg19, nasnetmobile, mobilenetv2, densnet169, densenet201などのプール層, 高密度層, 適切なドロップアウト層を, トランスファー・ラーニング (tl) アプローチで学習した。
オーバーフィッティングを減らすためにデータ拡張と正規化が行われた。
densenet121, densenet169の平均および重み付けアンサンブル, densenet201 tlアーキテクチャの転送学習モデルは,それぞれ100%の精度,最高精度,リコール,f-1スコア100%,100%,100%のそれぞれに寄与する。
関連論文リスト
- An Ensemble Method to Automatically Grade Diabetic Retinopathy with
Optical Coherence Tomography Angiography Images [4.640835690336653]
糖尿病網膜症解析チャレンジ(DRAC)2022から得られる糖尿病網膜症(DR)画像を自動的に評価するアンサンブル法を提案する。
まず、最先端の分類ネットワークを採用し、利用可能なデータセットの異なる分割でUW-OCTA画像のグレードをトレーニングする。
最終的に、25のモデルを取得し、そのうち上位16のモデルを選択し、アンサンブルして最終的な予測を生成する。
論文 参考訳(メタデータ) (2022-12-12T22:06:47Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳(メタデータ) (2021-12-18T17:05:53Z) - FEDI: Few-shot learning based on Earth Mover's Distance algorithm
combined with deep residual network to identify diabetic retinopathy [3.6623193507510012]
本稿では,Earth Moverのアルゴリズムをベースとした,糖尿病網膜症の診断支援を目的とした深部残像ネットワークの複数ショット学習モデルを提案する。
我々は,1000サンプルデータの39カテゴリに基づいて,数ショット学習のためのトレーニングと検証の分類タスクを構築し,深層残留ネットワークを訓練し,経験的事前学習モデルを得る。
事前学習モデルの重みに基づいて、Earth MoverのDistanceアルゴリズムは画像間の距離を計算し、画像間の類似性を求め、モデルのパラメータを変更してトレーニングモデルの精度を向上させる。
論文 参考訳(メタデータ) (2021-08-22T13:05:02Z) - RA-GCN: Graph Convolutional Network for Disease Prediction Problems with
Imbalanced Data [47.00510780034136]
クラス不均衡は疾患予測の分野でよく知られた問題である。
本稿では,グラフベースの分類器の性能を高めるために,Re-weighted Adversarial Graph Convolutional Network (RA-GCN)を提案する。
本研究では,ra-gcnの合成および3種類の医療用データセットに対する優越性を示す。
論文 参考訳(メタデータ) (2021-02-27T14:06:27Z) - Predictive Analysis of Diabetic Retinopathy with Transfer Learning [0.0]
本稿では,糖尿病網膜症分類のためのCNNアーキテクチャの性能をトランスファーラーニングの助けを借りて検討する。
その結果,VGG 16モデルを用いた画像ネット重み付きトランスファー学習は,95%の精度で最高の分類性能を示した。
論文 参考訳(メタデータ) (2020-11-08T18:54:57Z) - RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2
Visual Field Data based on Retinal Structure [109.33721060718392]
緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています
The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
論文 参考訳(メタデータ) (2020-10-15T03:09:08Z) - 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) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳(メタデータ) (2020-09-22T11:53:06Z) - 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) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - Automated Diabetic Retinopathy Grading using Deep Convolutional Neural
Network [0.7646713951724012]
糖尿病網膜症を正確に検出するコンピュータ支援検出システムの能力は、研究者の間で普及した。
本研究では,事前トレーニングされたDenseNet121ネットワークを利用して,いくつかの修正を加え,APTOS 2019データセットでトレーニングした。
提案手法は早期発見において他の最先端ネットワークよりも優れており,糖尿病網膜症の重症度評価において96.51%の精度でマルチラベル分類を行った。
論文 参考訳(メタデータ) (2020-04-14T07:37:21Z)
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。