論文の概要: RLPeri: Accelerating Visual Perimetry Test with Reinforcement Learning
and Convolutional Feature Extraction
- arxiv url: http://arxiv.org/abs/2403.05112v1
- Date: Fri, 8 Mar 2024 07:19:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 20:34:32.540122
- Title: RLPeri: Accelerating Visual Perimetry Test with Reinforcement Learning
and Convolutional Feature Extraction
- Title（参考訳）: rlperi:強化学習と畳み込み特徴抽出による視覚ペリメトリーテストの高速化
- Authors: Tanvi Verma, Linh Le Dinh, Nicholas Tan, Xinxing Xu, Chingyu Cheng,
Yong Liu
- Abstract要約: RLPeriは、視覚的ペリメトリテストの最適化のための強化学習に基づくアプローチである。
我々は、正確な結果を提供しながら、視覚的腹腔鏡検査をより効率的かつ患者に優しいものにすることを目指している。
- 参考スコア（独自算出の注目度）: 8.88154717905851
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual perimetry is an important eye examination that helps detect vision
problems caused by ocular or neurological conditions. During the test, a
patient's gaze is fixed at a specific location while light stimuli of varying
intensities are presented in central and peripheral vision. Based on the
patient's responses to the stimuli, the visual field mapping and sensitivity
are determined. However, maintaining high levels of concentration throughout
the test can be challenging for patients, leading to increased examination
times and decreased accuracy.
In this work, we present RLPeri, a reinforcement learning-based approach to
optimize visual perimetry testing. By determining the optimal sequence of
locations and initial stimulus values, we aim to reduce the examination time
without compromising accuracy. Additionally, we incorporate reward shaping
techniques to further improve the testing performance. To monitor the patient's
responses over time during testing, we represent the test's state as a pair of
3D matrices. We apply two different convolutional kernels to extract spatial
features across locations as well as features across different stimulus values
for each location. Through experiments, we demonstrate that our approach
results in a 10-20% reduction in examination time while maintaining the
accuracy as compared to state-of-the-art methods. With the presented approach,
we aim to make visual perimetry testing more efficient and patient-friendly,
while still providing accurate results.
- Abstract（参考訳）: 視周測定は、眼疾患や神経疾患による視力障害を検出するのに役立つ重要な眼科検査である。
検査中、患者の視線は特定の場所に固定され、中心視および周辺視では、様々な強度の光刺激が呈示される。
刺激に対する患者の反応に基づいて、視野マッピングと感度を決定する。
しかし、高い濃度を維持することは、患者にとって困難であり、検査時間が増加し、精度が低下する。
本稿では,視覚ペリメトリーテストの最適化を目的とした強化学習ベースアプローチであるrlperiを提案する。
位置と初期刺激値の最適な順序を決定することにより、精度を損なうことなく試験時間を短縮することを目指す。
さらに、テスト性能をさらに向上するために報酬形成技術を導入します。
テスト中の患者の反応をモニターするために、テストの状態を一対の3D行列として表現する。
2つの異なる畳み込みカーネルを適用し、各位置の異なる刺激値にまたがる特徴だけでなく、各位置の空間的特徴を抽出する。
実験により, 最新の手法と比較して精度を維持しつつ, 試験時間を10～20%削減できることを実証した。
提案手法では,視覚周囲検査をより効率的かつ患者フレンドリーにすることを目的としている。
関連論文リスト
- Self-supervised denoising of visual field data improves detection of glaucoma progression [10.406307305469356]
4000名以上の患者からの視覚野データに自己教師型深層学習が有効であることを示す。
マスク付きオートエンコーダは従来の方法よりもクリーンな復号化データを生み出した。
論文 参考訳（メタデータ） (2024-11-19T00:50:01Z) - Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。
コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文 参考訳（メタデータ） (2024-04-05T20:39:16Z) - Efficient Domain Adaptation for Endoscopic Visual Odometry [28.802915155343964]
ドメイン適応は,術前計画領域を術中実領域にブリッジして眼科情報を学習する,有望なアプローチを提供する。
本研究では,術前計画からテスト段階までの時間を5分未満に圧縮する,内視鏡的視覚計測のための効率的なニューラルスタイル転送フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-16T08:57:00Z) - DLTTA: Dynamic Learning Rate for Test-time Adaptation on Cross-domain
Medical Images [56.72015587067494]
DLTTAと呼ばれるテスト時間適応のための新しい動的学習率調整法を提案する。
本手法は,現在最先端のテスト時間適応法よりも一貫した性能向上を図り,有効かつ高速なテスト時間適応を実現する。
論文 参考訳（メタデータ） (2022-05-27T02:34:32Z) - A Temporal Learning Approach to Inpainting Endoscopic Specularities and
Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。
これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。
また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文 参考訳（メタデータ） (2022-03-31T13:14:00Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark
Detection in Medical Images [15.7026400415269]
本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。
提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
論文 参考訳（メタデータ） (2021-05-19T13:39:18Z) - Identity and Posture Recognition in Smart Beds with Deep Multitask
Learning [8.422257363944295]
被験者とその睡眠姿勢を正確に検出できる堅牢な深層学習モデルを提案する。
喪失機能の組み合わせは、被験者と睡眠姿勢を同時に区別するために使用される。
提案するアルゴリズムは、最終的に臨床およびスマートホーム環境で使用できる。
論文 参考訳（メタデータ） (2021-04-05T21:21:54Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳（メタデータ） (2020-04-26T05:43:21Z)
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。