論文の概要: Early detection of diabetes through transfer learning-based eye (vision) screening and improvement of machine learning model performance and advanced parameter setting algorithms

• arxiv url: http://arxiv.org/abs/2504.03439v1
• Date: Fri, 04 Apr 2025 13:30:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:47:13.199693
• Title: Early detection of diabetes through transfer learning-based eye (vision) screening and improvement of machine learning model performance and advanced parameter setting algorithms
• Title（参考訳）: 移動学習に基づく視線スクリーニングによる糖尿病の早期検出と機械学習モデルの性能改善とパラメータ設定アルゴリズム
• Authors: Mohammad Reza Yousefi, Ali Bakrani, Amin Dehghani,
• Abstract要約: 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病の重篤な合併症である。 従来の糖尿病診断法では、網膜画像から視覚的特徴を抽出するために畳み込みニューラルネットワーク(CNN)を用いることが多い。 本研究では,DR検出におけるMLモデル性能向上のための伝達学習(TL)の適用について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Diabetic Retinopathy (DR) is a serious and common complication of diabetes, caused by prolonged high blood sugar levels that damage the small retinal blood vessels. If left untreated, DR can progress to retinal vein occlusion and stimulate abnormal blood vessel growth, significantly increasing the risk of blindness. Traditional diabetes diagnosis methods often utilize convolutional neural networks (CNNs) to extract visual features from retinal images, followed by classification algorithms such as decision trees and k-nearest neighbors (KNN) for disease detection. However, these approaches face several challenges, including low accuracy and sensitivity, lengthy machine learning (ML) model training due to high data complexity and volume, and the use of limited datasets for testing and evaluation. This study investigates the application of transfer learning (TL) to enhance ML model performance in DR detection. Key improvements include dimensionality reduction, optimized learning rate adjustments, and advanced parameter tuning algorithms, aimed at increasing efficiency and diagnostic accuracy. The proposed model achieved an overall accuracy of 84% on the testing dataset, outperforming prior studies. The highest class-specific accuracy reached 89%, with a maximum sensitivity of 97% and an F1-score of 92%, demonstrating strong performance in identifying DR cases. These findings suggest that TL-based DR screening is a promising approach for early diagnosis, enabling timely interventions to prevent vision loss and improve patient outcomes.
• Abstract（参考訳）: 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病の重症で一般的な合併症の一つで、小さな網膜血管に損傷を与える血糖値の長期化によって引き起こされる。 未治療の場合、DRは網膜静脈閉塞に進行し、異常な血管の成長を刺激し、失明のリスクを著しく増大させる。 従来の糖尿病診断法では、畳み込みニューラルネットワーク(CNN)を用いて網膜画像から視覚的特徴を抽出し、次いで、決定木やk-nearest neighbors(KNN)などの分類アルゴリズムで疾患を検出する。 しかし、これらのアプローチは、低い精度と感度、データ複雑性とボリュームによる長大な機械学習(ML)モデルトレーニング、テストと評価に限定されたデータセットの使用など、いくつかの課題に直面している。 本研究では,DR検出におけるMLモデル性能向上のための伝達学習(TL)の適用について検討する。 主な改善点は、次元の削減、最適化された学習率調整、および効率と診断精度の向上を目的とした高度なパラメータチューニングアルゴリズムである。 提案したモデルは、テストデータセットで全体の84%の精度を達成し、先行研究を上回った。 最高クラス別精度は89%に達し, 最高感度は97%, F1スコアは92%であり, DR症例の同定性能は良好であった。 これらの結果から,早期診断にはTLベースのDRスクリーニングが有望なアプローチであり,視力低下を予防し,患者の予後を改善するための時間的介入が可能であることが示唆された。

関連論文リスト

• A Novel Ensemble-Based Deep Learning Model with Explainable AI for Accurate Kidney Disease Diagnosis [3.84521268332112]
  慢性腎臓病 (CKD) は, 腎機能低下が特徴である。 本研究は,CKDの早期検出のための最先端移動学習モデルの適用について検討した。
  論文  参考訳（メタデータ） (2024-12-12T17:18:49Z)
• 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)
• Deep Learning Innovations in Diagnosing Diabetic Retinopathy: The Potential of Transfer Learning and the DiaCNN Model [14.643107563426701]
  糖尿病網膜症(DR)は視覚障害の重要な原因である。 従来の診断法は人間の解釈に頼っており、精度と効率の点で課題に直面している。 従来の診断法と比較して,DR診断の精度が向上する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-25T07:24:06Z)
• 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)
• 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)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• 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)
• Predictive Analysis of Diabetic Retinopathy with Transfer Learning [0.0]
  本稿では,糖尿病網膜症分類のためのCNNアーキテクチャの性能をトランスファーラーニングの助けを借りて検討する。 その結果,VGG 16モデルを用いた画像ネット重み付きトランスファー学習は,95%の精度で最高の分類性能を示した。
  論文  参考訳（メタデータ） (2020-11-08T18:54:57Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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)

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。