論文の概要: Analysis of human visual field information using machine learning methods and assessment of their accuracy

• arxiv url: http://arxiv.org/abs/2503.14562v1
• Date: Tue, 18 Mar 2025 07:39:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-20 15:24:35.562126
• Title: Analysis of human visual field information using machine learning methods and assessment of their accuracy
• Title（参考訳）: 機械学習を用いた人間の視野情報の解析とその精度評価
• Authors: A. I. Medvedeva, V. V. Bakutkin,
• Abstract要約: 本研究の目的は緑内障を分類できる様々な機械学習手法を検討することである。 平均年齢は30～85歳であった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Subject of research: is the study of methods for analyzing perimetric images for the diagnosis and control of glaucoma diseases. Objects of research: is a dataset collected on the ophthalmological perimeter with the results of various patient pathologies, since the ophthalmological community is acutely aware of the issue of disease control and import substitution. [5]. Purpose of research: is to consider various machine learning methods that can classify glaucoma. This is possible thanks to the classifier built after labeling the dataset. It is able to determine from the image whether the visual fields depicted on it are the results of the impact of glaucoma on the eyes or other visual diseases. Earlier in the work [3], a dataset was described that was collected on the Tomey perimeter. The average age of the examined patients ranged from 30 to 85 years. Methods of research: machine learning methods for classifying image results (stochastic gradient descent, logistic regression, random forest, naive Bayes). Main results of research: the result of the study is computer modeling that can determine from the image whether the result is glaucoma or another disease (binary classification).
• Abstract（参考訳）: 研究対象:緑内障疾患の診断・制御のための腹腔鏡画像解析法の研究。 研究対象: 眼科のコミュニティは、疾患のコントロールと輸入置換の問題を鋭く認識しているため、様々な患者の病理結果とともに眼科の周辺で収集されたデータセットである。 5] 研究の目的は、緑内障を分類できる様々な機械学習手法を検討することである。 これはデータセットのラベル付け後に構築された分類器のおかげで可能だ。 画像から、その上に描かれた視野が緑内障の眼や他の視覚疾患への影響の結果であるかどうかを判断することができる。 作業の始め[3]では、Tomey周辺で収集されたデータセットが記述された。 平均年齢は30～85歳であった。 研究方法:画像結果(確率勾配降下、ロジスティック回帰、ランダム森林、ナイーブベイズ)を分類する機械学習手法。 研究の主な成果:この研究の結果はコンピュータ・モデリングであり、その結果が緑内障か他の疾患(バイナリ分類)であるかを画像から決定できる。

関連論文リスト

• Using artificial intelligence methods for the studyed visual analyzer [0.0]
  本稿では,人間の目の研究に人工知能を応用するための様々な手法について述べる。 第1のデータセットは,ヒトの視野の可視化と緑内障の診断のためにコンピュータ・ペリメトリを用いて収集された。 第2のデータセットは、Tobii Pro Glasses 3デバイスをVRビデオに使用して眼球運動データを収集・分析するロシア・スイスの実験の実施の一環として得られた。
  論文  参考訳（メタデータ） (2024-04-25T20:12:51Z)
• Disentangling representations of retinal images with generative models [12.547633373232026]
  患者属性をカメラ効果から切り離す網膜基底画像の新しい集団モデルを提案する。 以上の結果から,網膜基底画像生成における患者属性と技術共同創設者との複雑な関係について,新たな視点が得られた。
  論文  参考訳（メタデータ） (2024-02-29T14:11:08Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Periocular biometrics: databases, algorithms and directions [69.35569554213679]
  近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。 本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
  論文  参考訳（メタデータ） (2023-07-26T11:14:36Z)
• Artifact-Tolerant Clustering-Guided Contrastive Embedding Learning for Ophthalmic Images [18.186766129476077]
  眼科画像の表現を学習するための,EyeLearnと呼ばれる人工物耐性の非教師なし学習フレームワークを提案する。 EyeLearnには、アーティファクトのない眼科画像の最良の予測が可能な表現を学ぶためのアーティファクト修正モジュールがある。 EyeLearnを評価するために,緑内障患者の実眼画像データセットを用いて,視覚野の予測と緑内障検出に学習表現を用いた。
  論文  参考訳（メタデータ） (2022-09-02T01:25:45Z)
• Statistical and Topological Summaries Aid Disease Detection for Segmented Retinal Vascular Images [0.0]
  微小血管疾患は網膜画像の視覚検査によって評価される。 病気が静かな症状を示したり、患者が直接の会議に出席できない場合、これは困難である。 微小血管疾患の検出における機械学習アルゴリズムの性能について検討した。
  論文  参考訳（メタデータ） (2022-02-20T01:29:36Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Pathological Analysis of Blood Cells Using Deep Learning Techniques [0.0]
  血液細胞像を様々なカテゴリに分類するニューラルネットワークが提案されている。 提案したモデルの性能は、既存の標準アーキテクチャよりも優れており、様々な研究者によってなされている。
  論文  参考訳（メタデータ） (2021-11-05T05:37:10Z)
• 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)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• 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)

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。