論文の概要: Enhancing Diabetic Retinopathy Diagnosis: A Lightweight CNN Architecture for Efficient Exudate Detection in Retinal Fundus Images
- arxiv url: http://arxiv.org/abs/2408.06784v1
- Date: Tue, 13 Aug 2024 10:13:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-14 17:56:13.608670
- Title: Enhancing Diabetic Retinopathy Diagnosis: A Lightweight CNN Architecture for Efficient Exudate Detection in Retinal Fundus Images
- Title(参考訳): 糖尿病網膜症診断の強化 : 網膜基底画像の効率的な抽出のための軽量CNNアーキテクチャ
- Authors: Mujadded Al Rabbani Alif,
- Abstract要約: 本稿では,自動解凍器検出に適した,新しい軽量畳み込みニューラルネットワークアーキテクチャを提案する。
我々は、モデルの一般化性を高めるために、ドメイン固有のデータ拡張を取り入れた。
本モデルでは,F1スコアの90%を達成し,基礎画像による糖尿病網膜症の早期発見における有効性を示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retinal fundus imaging plays an essential role in diagnosing various stages of diabetic retinopathy, where exudates are critical markers of early disease onset. Prompt detection of these exudates is pivotal for enabling optometrists to arrest or significantly decelerate the disease progression. This paper introduces a novel, lightweight convolutional neural network architecture tailored for automated exudate detection, designed to identify these markers efficiently and accurately. To address the challenge of limited training data, we have incorporated domain-specific data augmentations to enhance the model's generalizability. Furthermore, we applied a suite of regularization techniques within our custom architecture to boost diagnostic accuracy while optimizing computational efficiency. Remarkably, this streamlined model contains only 4.73 million parameters a reduction of nearly 60% compared to the standard ResNet-18 model, which has 11.69 million parameters. Despite its reduced complexity, our model achieves an impressive F1 score of 90%, demonstrating its efficacy in the early detection of diabetic retinopathy through fundus imaging.
- Abstract(参考訳): 網膜基底像は糖尿病網膜症の様々な段階の診断において重要な役割を担っている。
これらの抽出液のプロンプト検出は、オプトメトリストが病気の進行を逮捕または著しく減速させるために重要である。
本稿では,これらのマーカーを効率よく正確に識別するように設計された,新しい軽量畳み込みニューラルネットワークアーキテクチャを提案する。
限られたトレーニングデータの課題に対処するため、モデルの一般化性を高めるためにドメイン固有のデータ拡張を取り入れた。
さらに、我々は、計算効率を最適化しながら診断精度を向上させるために、カスタムアーキテクチャに一連の正規化手法を適用した。
注目すべきは、この合理化モデルは、11.69万のパラメータを持つ標準のResNet-18モデルと比較して60%近く減少する4.73万のパラメータしか含まないことである。
複雑度は低いものの,F1スコアの90%を達成し,基礎画像による糖尿病網膜症の早期発見に有効であることを示した。
関連論文リスト
- A Dual-Attention Aware Deep Convolutional Neural Network for Early Alzheimer's Detection [0.0]
アルツハイマー病(英: Alzheimer's disease、AD)は、神経変性の主要な形態であり、毎年何百万人もの人に影響を及ぼす。
ニューロイメージングデータからADを分類するための2重注意強化深層学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-07-15T17:22:16Z) - Convolutional Neural Network Model for Diabetic Retinopathy Feature
Extraction and Classification [6.236743421605786]
我々は,新しいCNNモデルを作成し,基礎画像入力による糖尿病網膜症の重症度を同定する。
われわれは, 微小動脈瘤, 綿毛, 排出物, 出血の4つのDR特徴を, 畳み込み層を通して分類した。
我々の貢献は、より複雑なモデルに類似した精度で解釈可能なモデルである。
論文 参考訳(メタデータ) (2023-10-16T20:09:49Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳(メタデータ) (2023-04-05T12:04:55Z) - An Ensemble Method to Automatically Grade Diabetic Retinopathy with
Optical Coherence Tomography Angiography Images [4.640835690336653]
糖尿病網膜症解析チャレンジ(DRAC)2022から得られる糖尿病網膜症(DR)画像を自動的に評価するアンサンブル法を提案する。
まず、最先端の分類ネットワークを採用し、利用可能なデータセットの異なる分割でUW-OCTA画像のグレードをトレーニングする。
最終的に、25のモデルを取得し、そのうち上位16のモデルを選択し、アンサンブルして最終的な予測を生成する。
論文 参考訳(メタデータ) (2022-12-12T22:06:47Z) - Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。
提案モデルでは,AUCスコアが0.896であった。
論文 参考訳(メタデータ) (2022-02-08T00:43:57Z) - A Residual Encoder-Decoder Network for Segmentation of Retinal
Image-Based Exudates in Diabetic Retinopathy Screening [1.8496844821697171]
網膜画像におけるエキダレートのセグメンテーションのための残差スキップ接続を有する畳み込みニューラルネットワークを提案する。
提案するネットワークは,糖尿病網膜症スクリーニングに適応し,高い精度で抽出する。
論文 参考訳(メタデータ) (2022-01-16T04:08:17Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - 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) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z)
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。