Fugu-MT 論文翻訳(概要): Trends, Challenges, and Future Directions in Deep Learning for Glaucoma: A Systematic Review

論文の概要: Trends, Challenges, and Future Directions in Deep Learning for Glaucoma: A Systematic Review

arxiv url: http://arxiv.org/abs/2411.05876v1
Date: Thu, 07 Nov 2024 23:35:05 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-12 14:08:12.700510
Title: Trends, Challenges, and Future Directions in Deep Learning for Glaucoma: A Systematic Review
Title（参考訳）: 緑内障の深層学習の動向, 課題, 今後の方向性
Authors: Mahtab Faraji, Homa Rashidisabet, George R. Nahass, RV Paul Chan, Thasarat S Vajaranant, Darvin Yi,
Abstract要約: PRISMA(Systematic Reviews and Meta-Analyses)における優先報告項目を用いたディープラーニング(DL)アルゴリズムによる緑内障検出の最近の進歩について検討する。本研究では,DLに基づく緑内障検出フレームワークの3つの側面(入力データモダリティ,処理戦略,モデルアーキテクチャとアプリケーション)に焦点を当てた。
参考スコア（独自算出の注目度）: 0.2940464448991482
License:
Abstract: Here, we examine the latest advances in glaucoma detection through Deep Learning (DL) algorithms using Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). This study focuses on three aspects of DL-based glaucoma detection frameworks: input data modalities, processing strategies, and model architectures and applications. Moreover, we analyze trends in employing each aspect since the onset of DL in this field. Finally, we address current challenges and suggest future research directions.
Abstract（参考訳）: 本稿では,PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) を用いたディープラーニング (DL) アルゴリズムによる緑内障検出の最近の進歩について検討する。本研究では,DLに基づく緑内障検出フレームワークの3つの側面(入力データモダリティ,処理戦略,モデルアーキテクチャとアプリケーション)に焦点をあてる。さらに,本分野におけるDL開始以来,各側面の活用動向を分析した。最後に,現在の課題に対処し,今後の研究の方向性を提案する。

関連論文リスト

Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
論文参考訳（メタデータ） (2025-02-12T04:07:12Z)
Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文参考訳（メタデータ） (2024-10-08T00:25:33Z)
Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
論文参考訳（メタデータ） (2024-09-16T03:05:11Z)
Advancing Additive Manufacturing through Deep Learning: A Comprehensive Review of Current Progress and Future Challenges [5.048134681658527]
本稿では,添加性製造(AM)における深層学習(DL)応用の総合的な文献レビューについて紹介する。急速に成長するが散在するこの分野で徹底的な分析の必要性に対処し、既存の知識をまとめ、さらなる開発を促進することを目的としている。
論文参考訳（メタデータ） (2024-03-01T17:01:47Z)
Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。近年のSRID進歩の総合的なレビューと分析を行っている。様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
論文参考訳（メタデータ） (2024-01-27T04:52:24Z)
Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文参考訳（メタデータ） (2023-07-31T09:49:51Z)
Recent Few-Shot Object Detection Algorithms: A Survey with Performance Comparison [54.357707168883024]
Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。 FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
論文参考訳（メタデータ） (2022-03-27T04:11:28Z)
A Survey on Deep Domain Adaptation and Tiny Object Detection Challenges, Techniques and Datasets [11.911055871045715]
本研究では,コンピュータビジョンに基づく物体検出の課題と解法を,異なる手法を用いて分析した。対象物検出に関わる課題を概説し, 歴史的, 比較分析による解を提示した。
論文参考訳（メタデータ） (2021-07-16T14:33:31Z)
Deep Learning for Change Detection in Remote Sensing Images: Comprehensive Review and Meta-Analysis [12.462608802359936]
まず,変化検出に頻繁に採用される深層学習法の基本について紹介する。そこで本研究では,リモートセンシング画像の深層学習に基づく変化検出手法に着目し,既存の手法の概要を概説する。これらの調査の結果、今後の研究のために、将来有望な新たな方向性が特定された。
論文参考訳（メタデータ） (2020-06-10T02:14:08Z)
Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文参考訳（メタデータ） (2020-03-16T02:47:23Z)

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。