論文の概要: Common and Rare Fundus Diseases Identification Using Vision-Language Foundation Model with Knowledge of Over 400 Diseases
- arxiv url: http://arxiv.org/abs/2406.09317v1
- Date: Thu, 13 Jun 2024 16:53:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-14 16:35:35.090218
- Title: Common and Rare Fundus Diseases Identification Using Vision-Language Foundation Model with Knowledge of Over 400 Diseases
- Title（参考訳）: 400以上の疾患の知識を有するビジョン・ランゲージ・ファンデーションモデルを用いた共通および希少なファンドス病の同定
- Authors: Meng Wang, Tian Lin, Kai Yu, Aidi Lin, Yuanyuan Peng, Lianyu Wang, Cheng Chen, Ke Zou, Huiyu Liang, Man Chen, Xue Yao, Meiqin Zhang, Binwei Huang, Chaoxin Zheng, Wei Chen, Yilong Luo, Yifan Chen, Jingcheng Wang, Yih Chung Tham, Dianbo Liu, Wendy Wong, Sahil Thakur, Beau Fenner, Yanda Meng, Yukun Zhou, Zehua Jiang, Minghui Qiu, Changqing Zhang, Xinjian Chen, Sophia Y. Wang, Cecilia S. Lee, Lucia Sobrin, Pearse A. Keane, Ching-Yu Cheng, Haoyu Chen, Huazhu Fu,
- Abstract要約: 網膜視覚言語基礎モデル(RetiZero)を提示し,400以上の眼底疾患について検討した。
RetiZeroは、ゼロショット網膜疾患の認識など、さまざまな下流タスクで優れたパフォーマンスを達成した。
- 参考スコア（独自算出の注目度）: 55.0584532922227
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The current retinal artificial intelligence models were trained using data with a limited category of diseases and limited knowledge. In this paper, we present a retinal vision-language foundation model (RetiZero) with knowledge of over 400 fundus diseases. Specifically, we collected 341,896 fundus images paired with text descriptions from 29 publicly available datasets, 180 ophthalmic books, and online resources, encompassing over 400 fundus diseases across multiple countries and ethnicities. RetiZero achieved outstanding performance across various downstream tasks, including zero-shot retinal disease recognition, image-to-image retrieval, internal domain and cross-domain retinal disease classification, and few-shot fine-tuning. Specially, in the zero-shot scenario, RetiZero achieved a Top5 score of 0.8430 and 0.7561 on 15 and 52 fundus diseases respectively. In the image-retrieval task, RetiZero achieved a Top5 score of 0.9500 and 0.8860 on 15 and 52 retinal diseases respectively. Furthermore, clinical evaluations by ophthalmology experts from different countries demonstrate that RetiZero can achieve performance comparable to experienced ophthalmologists using zero-shot and image retrieval methods without requiring model retraining. These capabilities of retinal disease identification strengthen our RetiZero foundation model in clinical implementation.
- Abstract（参考訳）: 現在の網膜人工知能モデルは、限られた病気と限られた知識を持つデータを用いて訓練された。
本稿では,400以上の眼底疾患の知識を有する網膜視覚言語基盤モデル(RetiZero)を提案する。
具体的には、29の公開データセット、180の眼科書、オンラインリソースのテキスト記述と組み合わせた341,896の眼底画像を収集し、複数の国や民族で400以上の眼底疾患を網羅した。
RetiZeroは、ゼロショット網膜疾患認識、イメージ・ツー・イメージ検索、内部ドメインとクロスドメイン網膜疾患の分類、少数ショットの微調整など、さまざまな下流タスクで優れたパフォーマンスを達成した。
特に、ゼロショットのシナリオでは、RetiZeroは15と52のファンドス病でそれぞれ0.8430と0.7561のスコアを記録した。
画像検索タスクでは、RetiZeroは15と52の網膜疾患でそれぞれ0.9500と0.8860のTop5スコアを達成した。
さらに、異なる国の眼科専門家による臨床評価では、RetiZeroは、ゼロショットと画像検索の手法を用いて、モデル再トレーニングを必要とせず、経験豊富な眼科医に匹敵する性能を達成できることが示されている。
網膜疾患の診断能力は臨床実装におけるRetiZeroの基礎モデルを強化する。
関連論文リスト
- Federated Learning for Diabetic Retinopathy Diagnosis: Enhancing Accuracy and Generalizability in Under-Resourced Regions [0.3277163122167433]
糖尿病網膜症は、世界中の高齢者の視覚喪失の原因となっているが、未治療領域では眼科医が欠如している。
現在の最先端のディープラーニングシステムは、一般化性に限界があるため、これらの機関で苦労している。
本稿では,効率的なNetB0アーキテクチャを用いた糖尿病網膜症診断のための新しいフェデレーション学習システムについて検討する。
論文 参考訳（メタデータ） (2024-10-30T23:56:56Z) - Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。
ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。
その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。
実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
論文 参考訳（メタデータ） (2024-08-15T21:09:09Z) - Uncertainty-inspired Open Set Learning for Retinal Anomaly
Identification [71.06194656633447]
9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。
しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。
UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
論文 参考訳（メタデータ） (2023-04-08T10:47:41Z) - Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。
提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文 参考訳（メタデータ） (2022-12-14T06:04:18Z) - Detection of multiple retinal diseases in ultra-widefield fundus images
using deep learning: data-driven identification of relevant regions [2.20200533591633]
ウルトラワイドフィールド(UWF)イメージングは、より大きな網膜視野を撮影する有望なモダリティである。
過去の研究では、深層学習(DL)モデルがUWF画像の網膜疾患の検出に有効であることが示されている。
より現実的な条件下で複数の網膜疾患を認識できるDLモデルを提案する。
論文 参考訳（メタデータ） (2022-03-11T17:33:33Z) - CD&S Dataset: Handheld Imagery Dataset Acquired Under Field Conditions
for Corn Disease Identification and Severity Estimation [5.949779668853555]
Corn Disease and Severityデータセットは、2112のフィールド画像と2343のAR画像からなる4455の画像で構成されている。
疾患識別モデルのトレーニングでは,各疾患の画像データの半分を境界ボックスを用いて注釈付けした。
重度推定のために, NLS用515個の原画像を取得し, 1(耐性)から5(感受性)までの重度分類に分類した。
論文 参考訳（メタデータ） (2021-10-22T22:33:51Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳（メタデータ） (2021-09-18T02:28:01Z) - A Benchmark of Ocular Disease Intelligent Recognition: One Shot for
Multi-disease Detection [9.059366200759722]
眼科領域では、早期眼底スクリーニングは眼疾患による盲目を防ぐ経済的かつ効果的な方法である。
実際の医療現場に合わせて8つの疾患のデータセットを公開し、5,000人の患者の両眼からの1万の眼底画像を含む。
論文 参考訳（メタデータ） (2021-02-16T07:00:49Z) - Pathological myopia classification with simultaneous lesion segmentation
using deep learning [16.456009188497823]
最近導入されたPathologicalal Myopiaデータセットのために開発された畳み込みニューラルネットワークの結果に関する調査報告
我々は,新しい視神経頭(ONH)による萎縮と葉のセグメンテーションの予測法を提案する。
論文 参考訳（メタデータ） (2020-06-04T12:21:06Z) - 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)
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。