論文の概要: Convolutional Neural Network Model for Diabetic Retinopathy Feature Extraction and Classification

• arxiv url: http://arxiv.org/abs/2310.10806v1
• Date: Mon, 16 Oct 2023 20:09:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 19:09:14.662680
• Title: Convolutional Neural Network Model for Diabetic Retinopathy Feature Extraction and Classification
• Title（参考訳）: 糖尿病網膜症の特徴抽出と分類のための畳み込みニューラルネットワークモデル
• Authors: Sharan Subramanian, Leilani H. Gilpin
• Abstract要約: 我々は,新しいCNNモデルを作成し,基礎画像入力による糖尿病網膜症の重症度を同定する。 われわれは, 微小動脈瘤, 綿毛, 排出物, 出血の4つのDR特徴を, 畳み込み層を通して分類した。 我々の貢献は、より複雑なモデルに類似した精度で解釈可能なモデルである。
• 参考スコア（独自算出の注目度）: 6.236743421605786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The application of Artificial Intelligence in the medical market brings up increasing concerns but aids in more timely diagnosis of silent progressing diseases like Diabetic Retinopathy. In order to diagnose Diabetic Retinopathy (DR), ophthalmologists use color fundus images, or pictures of the back of the retina, to identify small distinct features through a difficult and time-consuming process. Our work creates a novel CNN model and identifies the severity of DR through fundus image input. We classified 4 known DR features, including micro-aneurysms, cotton wools, exudates, and hemorrhages, through convolutional layers and were able to provide an accurate diagnostic without additional user input. The proposed model is more interpretable and robust to overfitting. We present initial results with a sensitivity of 97% and an accuracy of 71%. Our contribution is an interpretable model with similar accuracy to more complex models. With that, our model advances the field of DR detection and proves to be a key step towards AI-focused medical diagnosis.
• Abstract（参考訳）: 医療市場における人工知能の応用は、懸念が高まるが、糖尿病網膜症のようなサイレントな進行疾患をよりタイムリーに診断する助けとなる。 糖尿病網膜症(DR:diabetic Retinopathy)の診断のために、眼科医は色眼底画像(網膜の裏面の画像)を使用して、困難で時間のかかるプロセスを通じて小さな特徴を識別する。 我々の研究は,新しいcnnモデルを作成し,基礎画像入力によるdrの重症度を同定する。 われわれは, 畳み込み層を介し, 微小動脈瘤, 綿毛, 排出液, 出血の4つのDR特徴を分類し, 追加のユーザ入力なしで正確な診断が可能であった。 提案されたモデルはより解釈可能で、過度に適合する。 感度は97%,精度は71%であった。 我々の貢献は、より複雑なモデルに類似した精度で解釈可能なモデルである。 これにより、我々のモデルはDR検出の分野を前進させ、AIに焦点を絞った診断への重要なステップであることが証明される。

関連論文リスト

• Algorithm-based diagnostic application for diabetic retinopathy detection [0.0]
  糖尿病網膜症は世界中で増加する健康問題であり、視覚障害と視覚障害の主要な原因である。 糖尿病網膜症の診断分野における最近の研究は、眼科検査で得られた画像の分析など、高度な技術を用いている。 本稿では,眼球鏡画像の処理と解析を含む自動DR診断法について述べる。
  論文  参考訳（メタデータ） (2023-12-01T12:09:06Z)
• Strategy for Rapid Diabetic Retinopathy Exposure Based on Enhanced Feature Extraction Processing [0.0]
  本研究の目的は, 糖尿病網膜症の診断を改善するために, 時間的DR識別のための深層学習モデルを開発することである。 提案モデルでは,早期に網膜画像から様々な病変を検出する。
  論文  参考訳（メタデータ） (2023-05-08T14:17:33Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• 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)
• Interpretable Automated Diagnosis of Retinal Disease using Deep OCT Analysis [7.005458308454871]
  我々は,OCTスキャンの正確な分類のためのCNNベースモデルを開発した。 我々は、モデルの判断に関する質的および定量的な説明の両方を作成することに重点を置いている。 私たちの仕事は、モデルの決定について、初めて詳細な説明をしました。
  論文  参考訳（メタデータ） (2021-09-03T17:59:34Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• 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)
• 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)
• 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)
• Hybrid Deep Learning Gaussian Process for Diabetic Retinopathy Diagnosis and Uncertainty Quantification [0.0]
  糖尿病網膜症 (Diabetes Mellitus) は糖尿病の微小血管合併症の1つである。 コナールニューラルネットワークに基づく計算モデルは、眼底画像を用いたDRの自動検出技術の現状を表す。 本稿では,DR診断と不確実性定量化のためのハイブリッドディープラーニング・ガウス法を提案する。
  論文  参考訳（メタデータ） (2020-07-29T04:10:42Z)
• Diabetic Retinopathy detection by retinal image recognizing [0.0]
  アプリケーションの開発は畳み込みニューラルネットワークを通じて行われ、各画像ピクセルをデジタル画像処理して分析する。 VGG-16を事前訓練したモデルとして応用するのは非常に有用であり、最終的なモデルの精度は82%であった。
  論文  参考訳（メタデータ） (2020-01-14T16:36:59Z)

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。