論文の概要: TJDR: A High-Quality Diabetic Retinopathy Pixel-Level Annotation Dataset

• arxiv url: http://arxiv.org/abs/2312.15389v1
• Date: Sun, 24 Dec 2023 02:46:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-27 18:14:17.094472
• Title: TJDR: A High-Quality Diabetic Retinopathy Pixel-Level Annotation Dataset
• Title（参考訳）: tjdr : 高品質糖尿病網膜症ピクセルレベルアノテーションデータセット
• Authors: Jingxin Mao, Xiaoyu Ma, Yanlong Bi, and Rongqing Zhang
• Abstract要約: TJDRは、トンジ大学附属のトンジ病院から得られた571枚の画像で構成されている。 画像のプライベート情報は、解剖学的構造を表示する際の明瞭さを確保しつつ、慎重に除去される。 このデータセットはトレーニングとテストセットに分割され、DR病変セグメンテーション研究コミュニティの進歩に貢献するために公開された。
• 参考スコア（独自算出の注目度）: 12.685780222519902
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Diabetic retinopathy (DR), as a debilitating ocular complication, necessitates prompt intervention and treatment. Despite the effectiveness of artificial intelligence in aiding DR grading, the progression of research toward enhancing the interpretability of DR grading through precise lesion segmentation faces a severe hindrance due to the scarcity of pixel-level annotated DR datasets. To mitigate this, this paper presents and delineates TJDR, a high-quality DR pixel-level annotation dataset, which comprises 561 color fundus images sourced from the Tongji Hospital Affiliated to Tongji University. These images are captured using diverse fundus cameras including Topcon's TRC-50DX and Zeiss CLARUS 500, exhibit high resolution. For the sake of adhering strictly to principles of data privacy, the private information of images is meticulously removed while ensuring clarity in displaying anatomical structures such as the optic disc, retinal blood vessels, and macular fovea. The DR lesions are annotated using the Labelme tool, encompassing four prevalent DR lesions: Hard Exudates (EX), Hemorrhages (HE), Microaneurysms (MA), and Soft Exudates (SE), labeled respectively from 1 to 4, with 0 representing the background. Significantly, experienced ophthalmologists conduct the annotation work with rigorous quality assurance, culminating in the construction of this dataset. This dataset has been partitioned into training and testing sets and publicly released to contribute to advancements in the DR lesion segmentation research community.
• Abstract（参考訳）: 糖尿病網膜症(dr)は眼の合併症を軽減し、迅速な介入と治療を必要とする。 DRグレーディングを支援する人工知能の有効性にもかかわらず、正確な病変セグメント化によるDRグレーディングの解釈性向上に向けた研究の進展は、ピクセルレベルの注釈付きDRデータセットの不足による深刻な障害に直面している。 そこで本研究では,トンジ大学附属東寺病院から得られた561色の眼底画像をもとに,高品質なDRレベルのアノテーションデータセットであるTJDRについて述べる。 これらの画像は、TopconのTRC-50DXやZeiss CLARUS 500などの様々なカメラで撮影され、高解像度である。 データプライバシの原則に厳密に固執するため、視板、網膜血管、黄斑窩などの解剖学的構造を明瞭に表示しながら、画像の個人情報を細心の注意を払って除去する。 DR病変は Labelme ツールを用いて注釈し, 硬部出血 (EX), 出血 (HE), 微小動脈瘤 (MA), 軟部出血 (SE) の4病変をそれぞれ1例から4例に分類し, 背景は0例であった。 経験豊富な眼科医は、厳格な品質保証で注釈作業を行い、このデータセットの構築に終止符を打った。 このデータセットはトレーニングとテストセットに分割され、DR病変セグメンテーション研究コミュニティの進歩に貢献するために公開された。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Controllable retinal image synthesis using conditional StyleGAN and latent space manipulation for improved diagnosis and grading of diabetic retinopathy [0.0]
  本稿では,高忠実かつ多様なDRファウンダス画像を生成するためのフレームワークを提案する。 生成画像内のDR重大度と視覚的特徴を包括的に制御する。 我々は、条件付きで生成したDR画像をグレードで操作し、データセットの多様性をさらに向上する。
  論文  参考訳（メタデータ） (2024-09-11T17:08:28Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• 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)
• Bag of Tricks for Developing Diabetic Retinopathy Analysis Framework to Overcome Data Scarcity [6.802798389355481]
  糖尿病網膜症 (DR) 解析課題として, 病変分割, 画像品質評価, DRグレーディングについて検討した。 各タスクに対して,アンサンブル学習,データ強化,半教師付き学習を活用した堅牢な学習手法を導入する。 疑似ラベルの負の効果を低減するため,モデルの信頼度スコアに基づいて不確実な擬似ラベルを除外する信頼性の高い擬似ラベルを提案する。
  論文  参考訳（メタデータ） (2022-10-18T03:25:00Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Diabetic Retinopathy Detection using Ensemble Machine Learning [1.2891210250935146]
  糖尿病網膜症(Drebetic Retinopathy, DR)は、糖尿病患者の視覚障害の原因となる疾患である。 DRは、網膜に影響を及ぼす微小血管疾患であり、血管の閉塞を引き起こし、網膜組織の主要な栄養源を切断する。
  論文  参考訳（メタデータ） (2021-06-22T17:36:08Z)
• 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)
• 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)
• Improving Lesion Segmentation for Diabetic Retinopathy using Adversarial Learning [21.69817451167427]
  HEDNetとCGANを用いた糖尿病網膜症病変のピクセルレベルセグメンテーションのためのエンド・ツー・エンドシステムを提案する。 本実験は, 対向損失の付加により, 基線上の病変のセグメンテーション性能が向上することを示した。
  論文  参考訳（メタデータ） (2020-07-27T20:43:36Z)

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。