論文の概要: Controllable retinal image synthesis using conditional StyleGAN and latent space manipulation for improved diagnosis and grading of diabetic retinopathy
- arxiv url: http://arxiv.org/abs/2409.07422v1
- Date: Wed, 11 Sep 2024 17:08:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-12 13:26:57.800555
- Title: Controllable retinal image synthesis using conditional StyleGAN and latent space manipulation for improved diagnosis and grading of diabetic retinopathy
- Title（参考訳）: 糖尿病網膜症の診断とグレーディングにおける条件付きスタイルGANと潜時空間操作を用いた可制御性網膜画像合成
- Authors: Somayeh Pakdelmoez, Saba Omidikia, Seyyed Ali Seyyedsalehi, Seyyede Zohreh Seyyedsalehi,
- Abstract要約: 本稿では,高忠実かつ多様なDRファウンダス画像を生成するためのフレームワークを提案する。
生成画像内のDR重大度と視覚的特徴を包括的に制御する。
我々は、条件付きで生成したDR画像をグレードで操作し、データセットの多様性をさらに向上する。
- 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: Diabetic retinopathy (DR) is a consequence of diabetes mellitus characterized by vascular damage within the retinal tissue. Timely detection is paramount to mitigate the risk of vision loss. However, training robust grading models is hindered by a shortage of annotated data, particularly for severe cases. This paper proposes a framework for controllably generating high-fidelity and diverse DR fundus images, thereby improving classifier performance in DR grading and detection. We achieve comprehensive control over DR severity and visual features (optic disc, vessel structure, lesion areas) within generated images solely through a conditional StyleGAN, eliminating the need for feature masks or auxiliary networks. Specifically, leveraging the SeFa algorithm to identify meaningful semantics within the latent space, we manipulate the DR images generated conditionally on grades, further enhancing the dataset diversity. Additionally, we propose a novel, effective SeFa-based data augmentation strategy, helping the classifier focus on discriminative regions while ignoring redundant features. Using this approach, a ResNet50 model trained for DR detection achieves 98.09% accuracy, 99.44% specificity, 99.45% precision, and an F1-score of 98.09%. Moreover, incorporating synthetic images generated by conditional StyleGAN into ResNet50 training for DR grading yields 83.33% accuracy, a quadratic kappa score of 87.64%, 95.67% specificity, and 72.24% precision. Extensive experiments conducted on the APTOS 2019 dataset demonstrate the exceptional realism of the generated images and the superior performance of our classifier compared to recent studies.
- Abstract（参考訳）: 糖尿病網膜症(英: Diabetic retinopathy, DR)は、網膜組織内の血管障害を特徴とする糖尿病の結果である。
視力喪失のリスクを軽減するため、タイムリーな検出が最重要である。
しかしながら、ロバストグレーディングモデルのトレーニングは、特に重篤なケースにおいて、注釈付きデータの不足によって妨げられる。
本稿では,高忠実度かつ多彩なDRファウンダス画像を制御可能とし,DRグレーディングと検出における分類器性能を向上させるフレームワークを提案する。
DR重大度と視覚的特徴(光ディスク,血管構造,病変領域)を条件付きスタイルGANのみで総合的に制御し,特徴マスクや補助ネットワークの必要性を排除した。
具体的には、SeFaアルゴリズムを利用して潜在空間内の意味的意味を識別し、条件付きで生成されたDR画像を操作し、データセットの多様性をさらに向上する。
さらに, 冗長な特徴を無視しつつ, 識別領域に注目する上で有効なSeFaベースのデータ拡張戦略を提案する。
このアプローチを用いることで、DR検出のために訓練されたResNet50モデルは98.09%の精度、99.44%の特異性、99.45%の精度、F1スコア98.09%を達成する。
さらに、条件付きスタイルGANによって生成された合成画像をResNet50トレーニングに組み込むことで、83.33%の精度、87.64%の二次カッパスコア、95.67%の特異性、72.24%の精度が得られる。
APTOS 2019データセットで行った大規模な実験は、生成した画像の例外的リアリズムと分類器の性能を最近の研究と比較した。
関連論文リスト
- Enhancing Diabetic Retinopathy Diagnosis: A Lightweight CNN Architecture for Efficient Exudate Detection in Retinal Fundus Images [0.0]
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。
論文 参考訳（メタデータ） (2024-08-13T10:13:33Z) - OpticalDR: A Deep Optical Imaging Model for Privacy-Protective
Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。
我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。
正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文 参考訳（メタデータ） (2024-02-29T01:20:29Z) - Source-free Active Domain Adaptation for Diabetic Retinopathy Grading
Based on Ultra-wide-field Fundus Image [4.679304803181914]
領域適応 (DA) は糖尿病性網膜症 (DR) に広く応用されている。
本稿では、DRグレーディング問題自体に取り組むために、新しいソースフリーアクティブドメイン適応(SFADA)を提案する。
提案したSFADAは最先端のDRグレーディング性能を実現し,精度を20.9%向上し,2次加重カッパを18.63%向上させた。
論文 参考訳（メタデータ） (2023-09-19T13:52:06Z) - Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic
Retinopathy Detection [0.0]
糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。
機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。
本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-02T04:42:08Z) - Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - 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) - 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) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - 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) - 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。