論文の概要: AMDNet23: A combined deep Contour-based Convolutional Neural Network and
Long Short Term Memory system to diagnose Age-related Macular Degeneration
- arxiv url: http://arxiv.org/abs/2308.15822v1
- Date: Wed, 30 Aug 2023 07:48:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 14:34:26.515362
- Title: AMDNet23: A combined deep Contour-based Convolutional Neural Network and
Long Short Term Memory system to diagnose Age-related Macular Degeneration
- Title(参考訳): AMDNet23: 加齢関連黄斑変性診断のための深層輪郭型畳み込みニューラルネットワークと長期記憶システムの組み合わせ
- Authors: Md. Aiyub Ali, Md. Shakhawat Hossain, Md.Kawar Hossain, Subhadra Soumi
Sikder, Sharun Akter Khushbu, Mirajul Islam
- Abstract要約: 本研究は、畳み込み(CNN)と短期記憶(LSTM)からなるニューラルネットワークを組み合わせた深層学習システムAMDNet23を用いて、眼底部から老化性黄斑変性(AMD)疾患を自動的に検出する。
提案されたハイブリッド深度AMDNet23モデルは、AMD眼疾患の検出を実証し、実験結果は精度96.50%、特異度99.32%、感度96.5%、F1スコア96.49.0%を達成した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In light of the expanding population, an automated framework of disease
detection can assist doctors in the diagnosis of ocular diseases, yields
accurate, stable, rapid outcomes, and improves the success rate of early
detection. The work initially intended the enhancing the quality of fundus
images by employing an adaptive contrast enhancement algorithm (CLAHE) and
Gamma correction. In the preprocessing techniques, CLAHE elevates the local
contrast of the fundus image and gamma correction increases the intensity of
relevant features. This study operates on a AMDNet23 system of deep learning
that combined the neural networks made up of convolutions (CNN) and short-term
and long-term memory (LSTM) to automatically detect aged macular degeneration
(AMD) disease from fundus ophthalmology. In this mechanism, CNN is utilized for
extracting features and LSTM is utilized to detect the extracted features. The
dataset of this research is collected from multiple sources and afterward
applied quality assessment techniques, 2000 experimental fundus images
encompass four distinct classes equitably. The proposed hybrid deep AMDNet23
model demonstrates to detection of AMD ocular disease and the experimental
result achieved an accuracy 96.50%, specificity 99.32%, sensitivity 96.5%, and
F1-score 96.49.0%. The system achieves state-of-the-art findings on fundus
imagery datasets to diagnose AMD ocular disease and findings effectively
potential of our method.
- Abstract(参考訳): 拡大する人口に照らして、病気検出の自動化フレームワークは、眼疾患の診断を医師に支援し、正確で安定した、迅速な結果をもたらし、早期発見の成功率を向上させることができる。
この研究は当初、適応コントラスト強調アルゴリズム(clahe)とガンマ補正を用いて、眼底画像の品質を高めることを意図していた。
前処理技術では、CLAHEは基底像の局所コントラストを高め、ガンマ補正は関連する特徴の強度を増加させる。
本研究は、畳み込み(CNN)と短期記憶(LSTM)からなるニューラルネットワークを組み合わせた深層学習システムAMDNet23を用いて、眼底部から老化性黄斑変性(AMD)疾患を自動的に検出する。
本機構では,CNNを用いて特徴抽出を行い,LSTMを用いて特徴抽出を行う。
本研究のデータセットは,複数の情報源から収集され,2000年の実験基礎画像は4つの異なるクラスを等しく含んでいる。
提案するハイブリッド型深層amdnet23モデルはamd眼疾患の検出に有効であり、実験結果は精度96.50%、特異性99.32%、感度96.5%、f1-score96.49.0%を達成した。
本システムは,AMD眼疾患を診断するための基盤画像データセットの最先端的な発見と,本手法の有効性について検討した。
関連論文リスト
- Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis
from 3D OCT Imaging [1.8416014644193066]
本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。
我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。
大規模データセットに対する実験結果から,提案手法の最先端手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2024-03-08T22:25:15Z) - Rapid hyperspectral photothermal mid-infrared spectroscopic imaging from
sparse data for gynecologic cancer tissue subtyping [3.550171634694342]
ミドル赤外線(Mid-Infrared、MIR)は、ラベルなし、生化学的に定量的な技術である。
この研究は、MIR光熱画像への新しいアプローチを示し、その速度を桁違いに向上させる。
論文 参考訳(メタデータ) (2024-02-28T00:57:35Z) - Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal
Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。
逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。
本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
論文 参考訳(メタデータ) (2024-02-21T02:16:59Z) - Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion
with Jacobian Maps [1.5501208213584152]
アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。
本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。
脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
論文 参考訳(メタデータ) (2023-10-25T19:02:57Z) - Multi-resolution Spatiotemporal Enhanced Transformer Denoising with
Functional Diffusive GANs for Constructing Brain Effective Connectivity in
MCI analysis [46.04319515616324]
効果的な接続性は、脳領域間の因果パターンを記述することができる。
これらのパターンは、病態のメカニズムを明らかにし、早期診断と認知疾患に対する効果的な薬物開発を促進する可能性がある。
本稿では,機能的磁気共鳴画像(fMRI)を軽度認知障害(MCI)解析に有効な接続性に変換するために,新しいマルチレゾリューションStemporal Enhanced Transformer Denoising Networkを提案する。
論文 参考訳(メタデータ) (2023-05-18T06:54:56Z) - Diagnose Like a Radiologist: Hybrid Neuro-Probabilistic Reasoning for
Attribute-Based Medical Image Diagnosis [42.624671531003166]
本稿では,属性に基づく医用画像診断のためのハイブリッド型ニューロ確率推論アルゴリズムを提案する。
我々は,ハイブリッド推論アルゴリズムを2つの困難な画像診断タスクに適用することに成功している。
論文 参考訳(メタデータ) (2022-08-19T12:06:46Z) - Deep Learning based Framework for Automatic Diagnosis of Glaucoma based
on analysis of Focal Notching in the Optic Nerve Head [0.2580765958706854]
デジタルファンドイメージ(DFI)から光ディスク(OD)とオプティカルカップ(OC)領域の自動セグメンテーションのための深層学習パイプラインを提案する。
本手法は、緑内障解析におけるコンピュータ支援デザイン(CAD)システムの精度を高めるために、ニューロ網膜リムの焦点ノッチ解析とカップ・ツー・ディスク比の値を分類パラメータとして利用した。
提案したパイプラインは、DFIから緑内障を検出するための93.33%の精度で、無料で利用可能なDRISHTI-GSデータセットで評価された。
論文 参考訳(メタデータ) (2021-12-10T18:58:40Z) - Multi-Scale Convolutional Neural Network for Automated AMD
Classification using Retinal OCT Images [1.299941371793082]
加齢関連黄斑変性症(AMD)は、先進国、特に60歳以上の人々において、視覚障害の最も一般的な原因である。
近年のディープラーニングの発展は、完全に自動化された診断フレームワークの開発にユニークな機会を与えている。
様々な大きさの受容場を用いて病理を識別できる多スケール畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳(メタデータ) (2021-10-06T18:20:58Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - 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) - 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)
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。