論文の概要: Efficient Pyramid Channel Attention Network for Pathological Myopia Recognition
- arxiv url: http://arxiv.org/abs/2309.09196v3
- Date: Wed, 19 Jun 2024 11:33:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-22 06:47:03.121341
- Title: Efficient Pyramid Channel Attention Network for Pathological Myopia Recognition
- Title（参考訳）: 病理組織学的近視認識のための効率的なピラミッドチャネル注意ネットワーク
- Authors: Xiaoqing Zhang, Jilu Zhao, Yan Li, Hao Wu, Xiangtian Zhou, Jiang Liu,
- Abstract要約: 病理性近視(PM)は、世界中の視力障害の先進的な眼疾患である。
既存のディープニューラルネットワークは複雑なアーキテクチャの設計に重点を置いているが、PM以前の病理分布を探索することはめったにない。
本報告では, ピラミッドプール法と多スケールコンテキスト融合法により, PM前臨床病理の可能性を十分に活用できる効率的なピラミッドチャネルアテンション (EPCA) モジュールを提案する。
我々は,EPCAモジュールのシーケンスを積み重ねることで,基礎画像に基づく自動PM認識のためのEPCA-Netを構築した。
- 参考スコア（独自算出の注目度）: 5.661523487647746
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pathological myopia (PM) is the leading ocular disease for impaired vision worldwide. Clinically, the characteristic of pathology distribution in PM is global-local on the fundus image, which plays a significant role in assisting clinicians in diagnosing PM. However, most existing deep neural networks focused on designing complex architectures but rarely explored the pathology distribution prior of PM. To tackle this issue, we propose an efficient pyramid channel attention (EPCA) module, which fully leverages the potential of the clinical pathology prior of PM with pyramid pooling and multi-scale context fusion. Then, we construct EPCA-Net for automatic PM recognition based on fundus images by stacking a sequence of EPCA modules. Moreover, motivated by the recent pretraining-and-finetuning paradigm, we attempt to adapt pre-trained natural image models for PM recognition by freezing them and treating the EPCA and other attention modules as adapters. In addition, we construct a PM recognition benchmark termed PM-fundus by collecting fundus images of PM from publicly available datasets. The comprehensive experiments demonstrate the superiority of our EPCA-Net over state-of-the-art methods in the PM recognition task. The results also show that our method based on the pretraining-and-finetuning paradigm achieves competitive performance through comparisons to part of previous methods based on traditional fine-tuning paradigm with fewer tunable parameters, which has the potential to leverage more natural image foundation models to address the PM recognition task in limited medical data regime.
- Abstract（参考訳）: 病理性近視(PM)は、世界中の視力障害の先進的な眼疾患である。
臨床では, PMの病態分布の特徴は, PMの診断において臨床医を支援する上で重要な役割を担っている。
しかし、既存のディープニューラルネットワークのほとんどは複雑なアーキテクチャの設計に重点を置いているが、PM以前の病理分布を探索することは稀である。
この課題に対処するために, ピラミッドプールと多スケールコンテキスト融合によるPM前臨床病理の可能性をフル活用した, 効率的なピラミッドチャネルアテンション (EPCA) モジュールを提案する。
そこで我々は,EPCAモジュールのシーケンスを積み重ねることで,基礎画像に基づく自動PM認識のためのEPCA-Netを構築した。
さらに,近年の事前学習・ファインタニングのパラダイムを背景として,PM認識のための学習済み自然画像モデルを冷凍し,EPCAや他の注意モジュールをアダプタとして扱うことを試みた。
また,PM-fundusと呼ばれるPM認識ベンチマークを構築し,PMのベースイメージを公開データセットから収集する。
PM認識タスクにおける最先端手法よりもEPCA-Netの方が優れていることを示す総合実験を行った。
また,本手法は,従来の微調整パラダイムをベースとした従来手法と比較することにより,従来手法と比較することで,より自然な画像基盤モデルを活用して,PM認識タスクを限定的な医療データシステムで実現する可能性が示唆された。
関連論文リスト
- Towards Large-Scale Training of Pathology Foundation Models [1.5861468117231254]
我々は、オープンアクセスTCGA全体のスライドイメージに基づいてトレーニングされた、私たちの病理FMの最初のバッチを公開し、公開します。
実験により,我々のモデルが様々なパッチレベル下流タスクにおける最先端の性能に達することを示す。
本稿では,様々な下流タスクを対象としたFMの一貫性のある評価を目的としたオープンソースフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-24T21:34:36Z) - PMP-Swin: Multi-Scale Patch Message Passing Swin Transformer for Retinal
Disease Classification [9.651435376561741]
マルチスケール・パッチ・メッセージ・パッシング・スウィン・トランスフォーマ (Multi-Scale Patch Message Passing Swin Transformer) という新しいフレームワークを提案する。
具体的には,Patch Message Passing(PMP)モジュールをMessage Passing機構に基づいて設計し,病的意味的特徴のグローバルな相互作用を確立する。
論文 参考訳（メタデータ） (2023-11-20T11:09:09Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Towards Discriminative Representation with Meta-learning for
Colonoscopic Polyp Re-Identification [2.78481408391119]
大腸内視鏡によるポリープ再同定は、大きなギャラリーの同じポリープと異なるカメラで撮影された異なるビューの画像とを一致させることを目的としている。
ImageNetデータセットでトレーニングされたCNNモデルを直接適用する従来のオブジェクトReIDの手法は、不満足な検索性能をもたらす。
我々は、モデルがより一般的で差別的な知識を学習するのに役立つ、Colo-ReIDという、シンプルで効果的なトレーニング手法を提案する。
論文 参考訳（メタデータ） (2023-08-02T04:10:14Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳（メタデータ） (2023-06-20T22:21:34Z) - Internal Structure Attention Network for Fingerprint Presentation Attack
Detection from Optical Coherence Tomography [7.241363249424351]
本稿では,ネットワークトレーニングの指導に事前知識を適用した,教師付き学習に基づく新しいPAD手法ISAPADを提案する。
提案したデュアルブランチアーキテクチャは,OCT画像からグローバルな特徴を学習するだけでなく,階層構造にも注目する。
単純で効果的なISAMにより、提案ネットワークは、ノイズの多いOCTボリュームデータから、ボナフィドに属する層状セグメンテーション特徴を得ることができる。
論文 参考訳（メタデータ） (2023-03-20T11:36:09Z) - Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using
Vessel Image Reconstruction [61.58601145792065]
我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。
私たちのアプローチは既存のドメイン戦略よりも優れています。
論文 参考訳（メタデータ） (2021-07-20T09:44:07Z) - 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) - 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) - Automatic lesion segmentation and Pathological Myopia classification in
fundus images [1.4174475093445236]
病理組織学的ミオピア (PM) の診断と, 視神経円板 (OD) , 眼窩, 萎縮, 剥離などの網膜構造, 病変の検出のためのアルゴリズムを提案する。
これらの課題は, PM患者からの根底画像撮影において実施され, PALM(Pathological Myopia Challenge)への参加が求められている。
論文 参考訳（メタデータ） (2020-02-15T13:38:30Z)
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。