論文の概要: A Dual Attention-aided DenseNet-121 for Classification of Glaucoma from Fundus Images

• arxiv url: http://arxiv.org/abs/2406.15113v1
• Date: Fri, 21 Jun 2024 13:00:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-24 13:32:37.643265
• Title: A Dual Attention-aided DenseNet-121 for Classification of Glaucoma from Fundus Images
• Title（参考訳）: 眼底画像からの緑内障の分類のための二重注意支援DenseNet-121
• Authors: Soham Chakraborty, Ayush Roy, Payel Pramanik, Daria Valenkova, Ram Sarkar,
• Abstract要約: 眼底画像から正常眼と緑内障眼を分類するための注意支援DenseNet-121を提案する。 畳み込みブロックアテンションモジュールは、DenseNet-121によって抽出された関連する空間的特徴とチャネル的特徴を強調する。 提案手法は最先端モデルよりも優れた結果を示した。
• 参考スコア（独自算出の注目度）: 26.6665675664782
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning and computer vision methods are nowadays predominantly used in the field of ophthalmology. In this paper, we present an attention-aided DenseNet-121 for classifying normal and glaucomatous eyes from fundus images. It involves the convolutional block attention module to highlight relevant spatial and channel features extracted by DenseNet-121. The channel recalibration module further enriches the features by utilizing edge information along with the statistical features of the spatial dimension. For the experiments, two standard datasets, namely RIM-ONE and ACRIMA, have been used. Our method has shown superior results than state-of-the-art models. An ablation study has also been conducted to show the effectiveness of each of the components. The code of the proposed work is available at: https://github.com/Soham2004GitHub/DADGC.
• Abstract（参考訳）: 深層学習とコンピュータビジョンの手法は、現在では眼科領域で主に使われている。 本稿では,眼底画像から正常眼と緑内障眼を分類するための注意支援型DenseNet-121を提案する。 畳み込みブロックアテンションモジュールは、DenseNet-121によって抽出された関連する空間的特徴とチャネル的特徴を強調する。 チャネル再校正モジュールは、空間次元の統計的特徴とともにエッジ情報を活用することにより、さらに特徴を充実させる。 実験では、RIM-ONEとACRIMAという2つの標準データセットが使用されている。 提案手法は最先端モデルよりも優れた結果を示した。 それぞれの成分の有効性を示すアブレーション研究も行われている。 提案された作業のコードは、https://github.com/Soham 2004GitHub/DADGCで公開されている。

関連論文リスト

• GS-Net: Global Self-Attention Guided CNN for Multi-Stage Glaucoma Classification [3.7942836520893017]
  緑内障は、タイムリーに検出されない限り、不可逆的な盲目を引き起こす一般的な眼疾患である。 本稿では,効率的な多段階緑内障分類のためのグローバル自己注意型ネットワークGS-Netを提案する。
  論文  参考訳（メタデータ） (2024-09-24T13:30:38Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• A Survey of Graph and Attention Based Hyperspectral Image Classification Methods for Remote Sensing Data [5.1901440366375855]
  ハイパースペクトルイメージング(HSI)の分類におけるディープラーニング技術の利用は急速に増加している。 最近の手法では、グラフ畳み込みネットワークの利用と、予測にノード機能を使用するユニークな機能についても検討されている。
  論文  参考訳（メタデータ） (2023-10-16T00:42:25Z)
• Improving Vision Anomaly Detection with the Guidance of Language Modality [64.53005837237754]
  本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。 本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。 視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
  論文  参考訳（メタデータ） (2023-10-04T13:44:56Z)
• Multi-spectral Class Center Network for Face Manipulation Detection and Localization [52.569170436393165]
  顔の操作検出と局所化のための新しいマルチスペクトル・クラス・センター・ネットワーク(MSCCNet)を提案する。 周波数帯域の異なる特徴に基づき、MSCCモジュールはマルチスペクトルクラスセンターを収集し、ピクセル対クラス関係を計算する。 多スペクトルクラスレベルの表現を適用することで、偽画像の操作された領域に敏感な視覚概念の意味情報を抑えることができる。
  論文  参考訳（メタデータ） (2023-05-18T08:09:20Z)
• MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
  網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。 従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。 提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-05-05T15:22:20Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Contextual Information Enhanced Convolutional Neural Networks for Retinal Vessel Segmentation in Color Fundus Images [0.0]
  自動網膜血管セグメンテーションシステムは、臨床診断及び眼科研究を効果的に促進することができる。 ディープラーニングベースの手法が提案され、いくつかのカスタマイズされたモジュールが有名なエンコーダデコーダアーキテクチャU-netに統合されている。 その結果,提案手法は先行技術よりも優れ,感性/リコール,F1スコア,MCCの最先端性能を実現している。
  論文  参考訳（メタデータ） (2021-03-25T06:10:47Z)
• Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
  AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。 微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2020-10-07T08:44:21Z)
• Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
  本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
  論文  参考訳（メタデータ） (2020-08-26T15:02:04Z)
• A Novel Spatial-Spectral Framework for the Classification of Hyperspectral Satellite Imagery [1.066048003460524]
  本研究では,土地被覆分類データに含まれるスペクトル情報と空間情報の両方を考慮に入れた新しい枠組みを提案する。 提案手法は,パヴィア大学とインド・パインズのデータセットでそれぞれ99.52%,98.31%の精度を達成し,従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-07-22T16:12:08Z)

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。