論文の概要: Brighteye: Glaucoma Screening with Color Fundus Photographs based on Vision Transformer

• arxiv url: http://arxiv.org/abs/2405.00857v1
• Date: Wed, 1 May 2024 20:46:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-03 18:33:31.760743
• Title: Brighteye: Glaucoma Screening with Color Fundus Photographs based on Vision Transformer
• Title（参考訳）: Brighteye:視覚変換器を用いたカラーファウンダス撮影による緑内障検診
• Authors: Hui Lin, Charilaos Apostolidis, Aggelos K. Katsaggelos,
• Abstract要約: Brighteyeは緑内障の検出と緑内障の特徴分類のために提案されている。 ブライトアイは、自己認識機構を用いて、大きな眼底画像内の画素間の長距離関係を学習する。 AI 緑内障スクリーニング (JustRAIGS) における Justified Referral の開発段階において、全体的な結果により、226 項目のうち5位が確保された。
• 参考スコア（独自算出の注目度）: 13.603729336413833
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Differences in image quality, lighting conditions, and patient demographics pose challenges to automated glaucoma detection from color fundus photography. Brighteye, a method based on Vision Transformer, is proposed for glaucoma detection and glaucomatous feature classification. Brighteye learns long-range relationships among pixels within large fundus images using a self-attention mechanism. Prior to being input into Brighteye, the optic disc is localized using YOLOv8, and the region of interest (ROI) around the disc center is cropped to ensure alignment with clinical practice. Optic disc detection improves the sensitivity at 95% specificity from 79.20% to 85.70% for glaucoma detection and the Hamming distance from 0.2470 to 0.1250 for glaucomatous feature classification. In the developmental stage of the Justified Referral in AI Glaucoma Screening (JustRAIGS) challenge, the overall outcome secured the fifth position out of 226 entries.
• Abstract（参考訳）: 画像品質、照明条件、および患者の人口動態の違いは、カラーファンドス写真からの緑内障の自動検出に困難をもたらす。 緑内障の検出と緑内障の特徴分類のために,視覚変換器に基づくBrighteye法が提案されている。 ブライトアイは、自己認識機構を用いて、大きな眼底画像内の画素間の長距離関係を学習する。 ブライトアイに入力される前に、光学ディスクはYOLOv8を用いて局在し、ディスクセンター周辺の関心領域(ROI)は、臨床実践と整合性を確保するために収穫される。 光ディスク検出は、緑内障検出の感度を79.20%から85.70%に、緑内障特徴分類のハミング距離を0.2470から0.1250に改善する。 AI 緑内障スクリーニング (JustRAIGS) における Justified Referral の開発段階において、全体的な結果により、226 項目のうち5位が確保された。

関連論文リスト

• A portable widefield fundus camera with high dynamic range imaging capability [0.0]
  携帯型眼底カメラを実現するために, 小型間接眼底鏡を用いた。 101degアイアングル(67degビジュアルアングル)スナップショット FOV は、非ミリ波写真のために達成された。 有効FOVは、固定目標の助けを借りて、容易に190degの目角(134degの目角)まで拡張することができる。
  論文  参考訳（メタデータ） (2022-12-20T19:01:40Z)
• Near-infrared and visible-light periocular recognition with Gabor features using frequency-adaptive automatic eye detection [69.35569554213679]
  近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。 本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。 このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
  論文  参考訳（メタデータ） (2022-11-10T13:04:03Z)
• Automatic detection of glaucoma via fundus imaging and artificial intelligence: A review [0.4215938932388722]
  緑内障は世界中で不可逆的な視覚障害の原因となっている。 ファンダスイメージングは非侵襲的で低コストである。 人工知能は、光学カップとディスクの境界を自動的に見つけることができる。
  論文  参考訳（メタデータ） (2022-04-12T07:47:13Z)
• GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
  グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。 この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。 緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
  論文  参考訳（メタデータ） (2022-02-14T06:54:15Z)
• MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
  白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。 近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。 深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
  論文  参考訳（メタデータ） (2021-10-06T08:10:28Z)
• 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)
• Clinically Verified Hybrid Deep Learning System for Retinal Ganglion Cells Aware Grading of Glaucomatous Progression [10.491291541765342]
  緑内障は世界第2位の盲目の原因である。 本稿では, 緑内障の診断と重症度評価のためのRCC萎縮症に対する新たな戦略を提案する。
  論文  参考訳（メタデータ） (2020-10-08T10:01:48Z)
• G1020: A Benchmark Retinal Fundus Image Dataset for Computer-Aided Glaucoma Detection [6.201033439090515]
  G1020という緑内障分類のための大規模な網膜基底画像データセットを公開している。 このデータセットは、通常の眼科における標準の慣行に従ってキュレートされ、緑内障検出の標準ベンチマークデータセットとして機能することが期待されている。
  論文  参考訳（メタデータ） (2020-05-28T14:29:03Z)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)
• AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography [61.405005501608706]
  アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。 前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。 既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。 私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
  論文  参考訳（メタデータ） (2020-05-05T14:55:01Z)

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。