論文の概要: Low-Rank Adaptive Structural Priors for Generalizable Diabetic Retinopathy Grading

• arxiv url: http://arxiv.org/abs/2504.19362v1
• Date: Sun, 27 Apr 2025 21:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.254624
• Title: Low-Rank Adaptive Structural Priors for Generalizable Diabetic Retinopathy Grading
• Title（参考訳）: 糖尿病網膜症における低ランク適応型構造前駆体
• Authors: Yunxuan Wang, Ray Yin, Yumei Tan, Hao Chen, Haiying Xia,
• Abstract要約: 既存のディープラーニングモデルとのシームレスな統合を目的としたプラグイン・アンド・プレイフレームワークであるLoASP(Lo-rank Adaptive Structure Priors)を紹介した。 LoASPは糖尿病網膜症診断の複雑さに微調整された適応的構造表現を学習することで一般化を改善する。 視覚化によると、学習された構造上の先行は、血管と病変の複雑な構造と直感的に一致している。
• 参考スコア（独自算出の注目度）: 3.4531529749205347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diabetic retinopathy (DR), a serious ocular complication of diabetes, is one of the primary causes of vision loss among retinal vascular diseases. Deep learning methods have been extensively applied in the grading of diabetic retinopathy (DR). However, their performance declines significantly when applied to data outside the training distribution due to domain shifts. Domain generalization (DG) has emerged as a solution to this challenge. However, most existing DG methods overlook lesion-specific features, resulting in insufficient accuracy. In this paper, we propose a novel approach that enhances existing DG methods by incorporating structural priors, inspired by the observation that DR grading is heavily dependent on vessel and lesion structures. We introduce Low-rank Adaptive Structural Priors (LoASP), a plug-and-play framework designed for seamless integration with existing DG models. LoASP improves generalization by learning adaptive structural representations that are finely tuned to the complexities of DR diagnosis. Extensive experiments on eight diverse datasets validate its effectiveness in both single-source and multi-source domain scenarios. Furthermore, visualizations reveal that the learned structural priors intuitively align with the intricate architecture of the vessels and lesions, providing compelling insights into their interpretability and diagnostic relevance.
• Abstract（参考訳）: 糖尿病網膜症(DR:diabetic retinopathy)は、網膜血管疾患の主要な視覚障害の1つである。 深層学習法は糖尿病網膜症(DR)のグレーディングに広く応用されている。 しかし、ドメインシフトによるトレーニング分布外のデータに適用した場合、その性能は著しく低下する。 ドメイン一般化(DG)はこの課題の解決策として現れた。 しかし、既存のDG法のほとんどは病変特異的な特徴を見落としており、精度は不十分である。 本稿では,DRグレーディングが血管構造や病変構造に大きく依存していることに着想を得て,既存のDG手法を強化する手法を提案する。 既存のDGモデルとのシームレスな統合を目的としたプラグイン・アンド・プレイフレームワークであるLoASP(Lo-rank Adaptive Structure Priors)を紹介した。 LoASPは、DR診断の複雑さに微調整された適応型構造表現を学習することで一般化を改善する。 8つの多様なデータセットに関する大規模な実験は、シングルソースとマルチソースの両方のドメインシナリオで有効性を検証する。 さらに、可視化により、学習された構造的事前は、血管や病変の複雑な構造と直感的に一致し、その解釈可能性と診断の関連性に関する興味深い洞察を与えることが明らかとなった。

関連論文リスト

• Divergent Domains, Convergent Grading: Enhancing Generalization in Diabetic Retinopathy Grading [8.59772105902647]
  糖尿病網膜症(DR)は世界の視覚障害の5%を占める。 DRグレーディングにおけるドメイン一般化(DG)を実現するための新しいディープラーニング手法を提案する。 本手法は,経験的リスク最小化ベースラインよりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2024-11-04T21:09:24Z)
• LoRKD: Low-Rank Knowledge Decomposition for Medical Foundation Models [59.961172635689664]
  知識分解」は、特定の医療課題のパフォーマンス向上を目的としている。 我々はLow-Rank Knowledge Decomposition(LoRKD)という新しいフレームワークを提案する。 LoRKDは、低ランクのエキスパートモジュールと効率的な知識分離畳み込みを組み込むことで、グラデーションを異なるタスクから明確に分離する。
  論文  参考訳（メタデータ） (2024-09-29T03:56:21Z)
• Generalizing to Unseen Domains in Diabetic Retinopathy Classification [8.59772105902647]
  糖尿病網膜症分類における分布や領域の特定にモデルを一般化する問題について検討した。 本稿では、視覚変換器の自己蒸留を実現するための、シンプルで効果的な領域一般化(DG)手法を提案する。 本稿では,オープンソースのDR分類データセット上での最先端DG手法の性能について報告する。
  論文  参考訳（メタデータ） (2023-10-26T09:11:55Z)
• CauDR: A Causality-inspired Domain Generalization Framework for Fundus-based Diabetic Retinopathy Grading [11.982719279583002]
  コンピュータ支援型DRグレーティングシステムは、眼科医が迅速なスクリーニングと診断を行うのに役立つ。 眼底撮影の最近の進歩は、新しい網膜イメージングカメラの開発に拍車をかけた。 DRグレーディングのためのディープラーニングベースのアルゴリズムのほとんどは、ドメイン間の限定的な一般化を示している。
  論文  参考訳（メタデータ） (2023-09-27T08:43:49Z)
• Exploring the Transfer Learning Capabilities of CLIP in Domain Generalization for Diabetic Retinopathy [7.649900082537232]
  クロスドメインの一般化は医療分野において難しい問題である。 近年の研究では,自然画像におけるDG問題に対するCLIPの有効性が示されている。 本研究では,糖尿病網膜症(DR)分類におけるCLIPの伝達学習能力とそのドメイン間一般化の可能性について検討した。
  論文  参考訳（メタデータ） (2023-08-27T22:02:41Z)
• Towards Generalizable Diabetic Retinopathy Grading in Unseen Domains [6.147573427718534]
  我々は、GDRNet(Generalizable Diabetic Retinopathy Grading Network)という新しい統合フレームワークを提案する。 GDRNetは、Fundus visual-artifact augmentation (FundusAug), dynamic hybrid-supervised loss (DahLoss), domain-class-aware re-balancing (DCR)の3つの重要なコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2023-07-10T07:24:44Z)
• Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using Vessel Image Reconstruction [61.58601145792065]
  我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。 私たちのアプローチは既存のドメイン戦略よりも優れています。
  論文  参考訳（メタデータ） (2021-07-20T09:44:07Z)
• 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)
• 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)
• 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)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。