論文の概要: Lesion-aware network for diabetic retinopathy diagnosis

• arxiv url: http://arxiv.org/abs/2408.07264v1
• Date: Wed, 14 Aug 2024 03:06:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 14:25:39.995573
• Title: Lesion-aware network for diabetic retinopathy diagnosis
• Title（参考訳）: 糖尿病網膜症診断のための病変認識ネットワーク
• Authors: Xue Xia, Kun Zhan, Yuming Fang, Wenhui Jiang, Fei Shen,
• Abstract要約: CNNをベースとした糖尿病網膜症(DR)診断ネットワークを提案する。 提案するLANetは,DR関連情報利用のためのCNNデコーダにLAMとFPMを埋め込んで構成する。 本手法は, DR検診において 0.967 の曲線下領域で本手法より優れており, 全体の平均精度を3つのデータセットで7.6%, 2.1%, 1.2%向上させる。
• 参考スコア（独自算出の注目度）: 28.228110579446227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning brought boosts to auto diabetic retinopathy (DR) diagnosis, thus, greatly helping ophthalmologists for early disease detection, which contributes to preventing disease deterioration that may eventually lead to blindness. It has been proved that convolutional neural network (CNN)-aided lesion identifying or segmentation benefits auto DR screening. The key to fine-grained lesion tasks mainly lies in: (1) extracting features being both sensitive to tiny lesions and robust against DR-irrelevant interference, and (2) exploiting and re-using encoded information to restore lesion locations under extremely imbalanced data distribution. To this end, we propose a CNN-based DR diagnosis network with attention mechanism involved, termed lesion-aware network, to better capture lesion information from imbalanced data. Specifically, we design the lesion-aware module (LAM) to capture noise-like lesion areas across deeper layers, and the feature-preserve module (FPM) to assist shallow-to-deep feature fusion. Afterward, the proposed lesion-aware network (LANet) is constructed by embedding the LAM and FPM into the CNN decoders for DR-related information utilization. The proposed LANet is then further extended to a DR screening network by adding a classification layer. Through experiments on three public fundus datasets with pixel-level annotations, our method outperforms the mainstream methods with an area under curve of 0.967 in DR screening, and increases the overall average precision by 7.6%, 2.1%, and 1.2% in lesion segmentation on three datasets. Besides, the ablation study validates the effectiveness of the proposed sub-modules.
• Abstract（参考訳）: 深層学習は、自動糖尿病網膜症(DR)の診断を後押しし、眼科医が早期の疾患検出に大いに役立ち、最終的に失明につながる疾患の悪化を防ぐのに寄与した。 畳み込みニューラルネットワーク(CNN)による病変の同定やセグメンテーションがオートDRスクリーニングに有効であることが証明されている。 1)小さな病変に敏感でDR非関連な干渉に対して頑健な特徴を抽出し,(2)極端に不均衡なデータ分布下で病変位置を復元するためにエンコードされた情報を利用・再利用する。 そこで本研究では,病変認識ネットワークと呼ばれる注意機構を備えたCNNベースのDR診断ネットワークを提案する。 具体的には,より深い層にまたがるノイズ様病変領域を捕捉する病変認識モジュール (LAM) と,浅層から深層までの機能融合を支援する特徴保存モジュール (FPM) を設計する。 その後、DR関連の情報利用のために、LAMとFPMをCNNデコーダに埋め込むことで、病変認識ネットワーク(LANet)を構築する。 提案したLANetは、分類層を追加してDRスクリーニングネットワークにさらに拡張される。 画素レベルのアノテーションを用いた3つの公開ファンドデータセットの実験により,DR検定では0.967の曲線の領域で主流の手法を上回り,全体の平均精度を3つのデータセットで7.6%,2.1%,1.2%向上させた。 さらに、アブレーション研究は提案したサブモジュールの有効性を検証する。

関連論文リスト

• FS-Net: Full Scale Network and Adaptive Threshold for Improving Extraction of Micro-Retinal Vessel Structures [4.776514178760067]
  本稿では,エンコーダ・デコーダニューラルネットワークアーキテクチャに基づく大規模マイクロ容器抽出機構を提案する。 提案手法はDRIVE,CHASE-DB1,STAREデータセットを用いて評価されている。
  論文  参考訳（メタデータ） (2023-11-14T10:32:17Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• Introducing Feature Attention Module on Convolutional Neural Network for Diabetic Retinopathy Detection [0.7614628596146599]
  本稿では、より正確なDR検出のために、特徴注意モジュールと事前訓練されたVGG19畳み込みニューラルネットワーク(CNN)を統合する新しい手法を提案する。 提案モジュールは, CNNの識別能力を高めるために, 各種の眼底画像の相補的情報を活用することを目的としている。
  論文  参考訳（メタデータ） (2023-08-06T01:52:46Z)
• Z-SSMNet: Zonal-aware Self-supervised Mesh Network for Prostate Cancer Detection and Diagnosis with Bi-parametric MRI [14.101371684361675]
  我々はZ-SSMNet(Z-SSMNet)を提案する。 Z-SSMNetは、多次元(2D/2.5D/3D)畳み込みを適応的に統合し、高密度スライス情報と異方性bpMRIのスパースス間情報を学習する。 大規模未ラベルデータを用いてネットワークを事前学習するための自己教師付き学習(SSL)手法を提案する。
  論文  参考訳（メタデータ） (2022-12-12T10:08:46Z)
• Detection of Large Vessel Occlusions using Deep Learning by Deforming Vessel Tree Segmentations [5.408694811103598]
  この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。 ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。 5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
  論文  参考訳（メタデータ） (2021-12-03T09:07:29Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープ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,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。