論文の概要: Eye Disease Prediction using Ensemble Learning and Attention on OCT Scans

• arxiv url: http://arxiv.org/abs/2311.15301v1
• Date: Sun, 26 Nov 2023 13:55:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 18:19:29.136397
• Title: Eye Disease Prediction using Ensemble Learning and Attention on OCT Scans
• Title（参考訳）: アンサンブル学習による眼疾患予測とoctスキャンによる注意
• Authors: Gauri Naik, Nandini Narvekar, Dimple Agarwal, Nishita Nandanwar, Himangi Pande
• Abstract要約: 我々は、効率的な眼疾患予測に機械学習とディープラーニング技術を利用するエンド・ツー・エンドのウェブアプリケーションを紹介した。 このアプリケーションにより、患者は、トレーニングされたカスタムUNetモデルを使用してセグメンテーションを行う、生のOCTスキャン画像を送ることができる。 アンサンブルモデルの出力は、様々な眼疾患を予測し分類するために集約される。
• 参考スコア（独自算出の注目度）: 2.5122414857278472
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Eye diseases have posed significant challenges for decades, but advancements in technology have opened new avenues for their detection and treatment. Machine learning and deep learning algorithms have become instrumental in this domain, particularly when combined with Optical Coherent Technology (OCT) imaging. We propose a novel method for efficient detection of eye diseases from OCT images. Our technique enables the classification of patients into disease free (normal eyes) or affected by specific conditions such as Choroidal Neovascularization (CNV), Diabetic Macular Edema (DME), or Drusen. In this work, we introduce an end to end web application that utilizes machine learning and deep learning techniques for efficient eye disease prediction. The application allows patients to submit their raw OCT scanned images, which undergo segmentation using a trained custom UNet model. The segmented images are then fed into an ensemble model, comprising InceptionV3 and Xception networks, enhanced with a self attention layer. This self attention approach leverages the feature maps of individual models to achieve improved classification accuracy. The ensemble model's output is aggregated to predict and classify various eye diseases. Extensive experimentation and optimization have been conducted to ensure the application's efficiency and optimal performance. Our results demonstrate the effectiveness of the proposed approach in accurate eye disease prediction. The developed web application holds significant potential for early detection and timely intervention, thereby contributing to improved eye healthcare outcomes.
• Abstract（参考訳）: 眼疾患は何十年にもわたって大きな課題となっているが、技術の進歩により、その検出と治療のための新しい道が開かれた。 機械学習とディープラーニングのアルゴリズムは、特に光コヒーレント技術(oct)イメージングと組み合わせることで、この領域で活用されている。 OCT画像から眼疾患を効率的に検出するための新しい手法を提案する。 本手法は,脈絡膜新生血管 (cnv) , 糖尿病黄斑浮腫 (dme) , drusen などの特定の病態により, 患者を無疾患 (正常眼) に分類することを可能にする。 本研究では,効率的な眼疾患予測に機械学習とディープラーニング技術を利用するエンド・ツー・エンドのWebアプリケーションを提案する。 このアプリケーションは、訓練されたカスタムUNetモデルを使用してセグメンテーションを行うOCTスキャン画像の提出を可能にする。 次に、セグメント画像は、自己注意層で強化されたInceptionV3とXceptionネットワークからなるアンサンブルモデルに入力される。 この自己注意アプローチは、個々のモデルの特徴マップを活用して、分類精度を向上させる。 アンサンブルモデルの出力を集約して様々な眼疾患を予測・分類する。 アプリケーションの効率性と最適な性能を確保するため、大規模な実験と最適化が実施されている。 本研究は眼疾患予測における提案手法の有効性を示す。 開発したWebアプリケーションは早期発見やタイムリーな介入の可能性を秘めており、眼科医療の成果に寄与する。

関連論文リスト

• Enhancing Retinal Disease Classification from OCTA Images via Active Learning Techniques [0.8035416719640156]
  高齢のアメリカ人では眼疾患が一般的であり、視力や視力の低下につながることがある。 光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)により、臨床医が網膜血管の高品質な画像を取得することができる画像技術の最近の進歩 OCTAは、一般的なOCT画像から得られる構造情報と比較して、詳細な血管画像を提供する。
  論文  参考訳（メタデータ） (2024-07-21T23:24:49Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Enhance Eye Disease Detection using Learnable Probabilistic Discrete Latents in Machine Learning Architectures [1.6000489723889526]
  糖尿病網膜症や緑内障などの眼疾患は、公衆衛生上の重大な課題となる。 深層学習モデルは、網膜イメージングのような医療画像を分析する強力なツールとして登場した。 課題は、モデル適合性と不確実性の推定であり、これは臨床的な意思決定に不可欠である。
  論文  参考訳（メタデータ） (2024-01-21T04:14:54Z)
• 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)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Improving Classification of Retinal Fundus Image Using Flow Dynamics Optimized Deep Learning Methods [0.0]
  糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。 経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
  論文  参考訳（メタデータ） (2023-04-29T16:11:34Z)
• 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)
• ROCT-Net: A new ensemble deep convolutional model with improved spatial resolution learning for detecting common diseases from retinal OCT images [0.0]
  本稿では,OCT画像から網膜疾患を検出するために,新たな深層アンサンブル畳み込みニューラルネットワークを提案する。 本モデルは,2つの頑健な畳み込みモデルの学習アーキテクチャを用いて,リッチかつマルチレゾリューションな特徴を生成する。 2つのデータセットに関する実験と、他のよく知られた深層畳み込みニューラルネットワークとの比較により、アーキテクチャが分類精度を最大5%向上できることが証明された。
  論文  参考訳（メタデータ） (2022-03-03T17:51:01Z)
• 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)
• 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)

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。