論文の概要: SSVT: Self-Supervised Vision Transformer For Eye Disease Diagnosis Based On Fundus Images
- arxiv url: http://arxiv.org/abs/2404.13386v1
- Date: Sat, 20 Apr 2024 14:06:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 19:10:11.652976
- Title: SSVT: Self-Supervised Vision Transformer For Eye Disease Diagnosis Based On Fundus Images
- Title(参考訳): SSVT:眼疾患診断のための眼底画像に基づく自己監督型視覚変換器
- Authors: Jiaqi Wang, Mengtian Kang, Yong Liu, Chi Zhang, Ying Liu, Shiming Li, Yue Qi, Wenjun Xu, Chenyu Tang, Edoardo Occhipinti, Mayinuer Yusufu, Ningli Wang, Weiling Bai, Shuo Gao, Luigi G. Occhipinti,
- Abstract要約: 機械学習に基づく基礎画像診断技術は、医療資源の削減や客観的な評価結果の提供など、世界中の関心を喚起する。
現在の方法は通常、監督された手法に基づいており、バイオメディカルスタッフに重労働負荷をもたらすため、効果的なデータベースの拡大に苦しむ。
そこで我々は,無ラベルの眼底画像を自動的に解析し,北京トングレン病院が収集した6つの公的データセットと2つのデータセットに基づいて,4つの主眼疾患の97.0%の高い評価精度を得られるラベルフリー手法「SSVT」を構築した。
- 参考スコア(独自算出の注目度): 27.266022572100418
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning-based fundus image diagnosis technologies trigger worldwide interest owing to their benefits such as reducing medical resource power and providing objective evaluation results. However, current methods are commonly based on supervised methods, bringing in a heavy workload to biomedical staff and hence suffering in expanding effective databases. To address this issue, in this article, we established a label-free method, name 'SSVT',which can automatically analyze un-labeled fundus images and generate high evaluation accuracy of 97.0% of four main eye diseases based on six public datasets and two datasets collected by Beijing Tongren Hospital. The promising results showcased the effectiveness of the proposed unsupervised learning method, and the strong application potential in biomedical resource shortage regions to improve global eye health.
- Abstract(参考訳): 機械学習に基づく基礎画像診断技術は、医療資源の削減や客観的な評価結果の提供など、世界中の関心を喚起する。
しかし、現在の手法は一般に指導的手法に基づいており、医療従事者に重労働負荷をもたらし、効果的なデータベースの拡大に苦しむ。
そこで本稿では,無ラベルの眼底画像を自動的に解析し,北京トングレン病院が収集した6つの公的データセットと2つのデータセットに基づいて,4つの主眼疾患の97.0%の高い評価精度を得られるラベルフリー手法「SSVT」を構築した。
その結果, バイオメディカル・リソース不足地域における非教師なし学習の有効性と, 世界的視力向上への強力な応用の可能性が示された。
関連論文リスト
- Diagnosis of Multiple Fundus Disorders Amidst a Scarcity of Medical Experts Via Self-supervised Machine Learning [13.174267261284733]
ファンドス病は、世界中の視覚障害と視覚障害の主な原因である。
本研究では,無ラベルのファンドス画像から多種多様なファンドス病を処理できる,汎用的な自己教師型機械学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-20T14:15:25Z) - Distributed Federated Learning-Based Deep Learning Model for Privacy MRI Brain Tumor Detection [11.980634373191542]
分散トレーニングは、大規模な医用画像データセットの処理を容易にし、疾患診断の精度と効率を向上させる。
本稿では,データプライバシと効率的な疾患診断という2つの課題に対処するために,Federated Learning(FL)を活用した医用画像分類の革新的なアプローチを提案する。
論文 参考訳(メタデータ) (2024-04-15T09:07:19Z) - Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis
from 3D OCT Imaging [1.8416014644193066]
本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。
我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。
大規模データセットに対する実験結果から,提案手法の最先端手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2024-03-08T22:25:15Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - 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) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳(メタデータ) (2022-07-01T14:17:11Z) - 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) - 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) - Self-supervised Feature Learning via Exploiting Multi-modal Data for
Retinal Disease Diagnosis [28.428216831922228]
本稿では,網膜疾患診断のためのマルチモーダルデータを効果的に活用して,新しい自己教師型特徴学習法を提案する。
本研究の目的は,モダリティ不変特徴と患者類似特徴の両方を学習することである。
本手法を網膜疾患診断のための2つの公開ベンチマークデータセットで評価した。
論文 参考訳(メタデータ) (2020-07-21T19:49:45Z)
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。