Fugu-MT 論文翻訳(概要): An Improved Model for Diabetic Retinopathy Detection by using Transfer Learning and Ensemble Learning

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

A Novel Adaptive Hybrid Focal-Entropy Loss for Enhancing Diabetic Retinopathy Detection Using Convolutional Neural Networks [0.0]
糖尿病網膜症に対するAHFE(Adaptive Hybrid Focal-Entropy Loss)を提案する。 AHFEは、焦点損失とエントロピー損失のアイデアと適応重み付けを組み合わせて、少数派に焦点を合わせる。 AHFEによる糖尿病網膜症検出に応用した最先端の術式では,良好な成績を示した。
論文参考訳（メタデータ） (2024-11-16T17:07:53Z)
Enhancing Diabetic Retinopathy Detection with CNN-Based Models: A Comparative Study of UNET and Stacked UNET Architectures [0.0]
糖尿病網膜症DRは糖尿病の重篤な合併症である。損傷または異常な血管は視力喪失を引き起こす可能性がある。糖尿病患者の大量スクリーニングの必要性は、コンピュータ支援によるDRの完全自動診断への関心を生んでいる。ディープラーニングフレームワーク、特に畳み込みニューラルネットワークCNNは、網膜画像を分析してDRを検出することに非常に興味を持ち、約束している。
論文参考訳（メタデータ） (2024-11-02T14:02:45Z)
KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文参考訳（メタデータ） (2024-10-28T16:00:42Z)
Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
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)
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)
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)
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)

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。