論文の概要: Dual Branch Deep Learning Network for Detection and Stage Grading of
Diabetic Retinopathy
- arxiv url: http://arxiv.org/abs/2308.09945v2
- Date: Wed, 13 Mar 2024 11:21:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 18:57:24.936506
- Title: Dual Branch Deep Learning Network for Detection and Stage Grading of
Diabetic Retinopathy
- Title(参考訳): 二分枝深層学習ネットワークによる検出とステージグレーディング
糖尿病網膜症
- Authors: Hossein Shakibania, Sina Raoufi, Behnam Pourafkham, Hassan Khotanlou,
and Muharram Mansoorizadeh
- Abstract要約: 本稿では,糖尿病網膜症の診断とステージグレーディングのためのディープラーニング手法を提案する。
提案されたモデルは、APTOS 2019データセットを含む、大規模なマルチセンターデータセットに基づいてトレーニングされている。
糖尿病網膜症の検出とステージ分類において顕著な性能を発揮する。
- 参考スコア(独自算出の注目度): 2.3884184860468136
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Diabetic retinopathy is a severe complication of diabetes that can lead to
permanent blindness if not treated promptly. Early and accurate diagnosis of
the disease is essential for successful treatment. This paper introduces a deep
learning method for the detection and stage grading of diabetic retinopathy,
using a single fundus retinal image. Our model utilizes transfer learning,
employing two state-of-the-art pre-trained models as feature extractors and
fine-tuning them on a new dataset. The proposed model is trained on a large
multi-center dataset, including the APTOS 2019 dataset, obtained from publicly
available sources. It achieves remarkable performance in diabetic retinopathy
detection and stage classification on the APTOS 2019, outperforming the
established literature. For binary classification, the proposed approach
achieves an accuracy of 98.50, a sensitivity of 99.46, and a specificity of
97.51. In stage grading, it achieves a quadratic weighted kappa of 93.00, an
accuracy of 89.60, a sensitivity of 89.60, and a specificity of 97.72. The
proposed approach serves as a reliable screening and stage grading tool for
diabetic retinopathy, offering significant potential to enhance clinical
decision-making and patient care.
- Abstract(参考訳): 糖尿病網膜症 (diabetic retinopathy) は糖尿病の重篤な合併症である。
早期かつ正確な診断は治療の成功に不可欠である。
本稿では,糖尿病網膜症の診断とステージグレーディングのための深層学習法について,一眼底網膜像を用いて紹介する。
提案モデルでは,2つの最先端の事前学習モデルを特徴抽出器として利用し,新しいデータセットでそれらを微調整する。
提案されたモデルは、公開されているソースから取得したAPTOS 2019データセットを含む、大規模なマルチセンターデータセットに基づいてトレーニングされている。
APTOS 2019では糖尿病網膜症の検出とステージ分類において顕著なパフォーマンスを示し、定評ある文献よりも優れていた。
二項分類では、提案手法は精度98.50、感度99.46、特異度97.51となる。
ステージグレーディングでは、93.00の二次重み付きカッパ、89.60の精度、89.60の感度、97.72の特異性を達成する。
提案手法は糖尿病網膜症に対する信頼性の高いスクリーニングおよびステージグレーディングツールとして機能し、臨床的意思決定と患者ケアを増強する重要な可能性を秘めている。
関連論文リスト
- Enhancing Diabetic Retinopathy Diagnosis: A Lightweight CNN Architecture for Efficient Exudate Detection in Retinal Fundus Images [0.0]
本稿では,自動解凍器検出に適した,新しい軽量畳み込みニューラルネットワークアーキテクチャを提案する。
我々は、モデルの一般化性を高めるために、ドメイン固有のデータ拡張を取り入れた。
本モデルでは,F1スコアの90%を達成し,基礎画像による糖尿病網膜症の早期発見における有効性を示した。
論文 参考訳(メタデータ) (2024-08-13T10:13:33Z) - 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) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳(メタデータ) (2023-04-26T14:11:04Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - 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) - 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) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - 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) - 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) - Deep Learning Approach to Diabetic Retinopathy Detection [0.0]
そこで本研究では,ヒトの眼底写真から糖尿病網膜症を自動的に検出する深層学習手法を提案する。
また、異なるラベル付けの類似したデータセットを利用するトランスファーラーニングの多段階的アプローチを提案する。
本発明の方法は, 糖尿病網膜症の早期発見のためのスクリーニング法として, 感度, 特異性0。
論文 参考訳(メタデータ) (2020-03-03T21:17:46Z)
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。