論文の概要: A Novel Preprocessing Unit for Effective Deep Learning based Classification and Grading of Diabetic Retinopathy

• arxiv url: http://arxiv.org/abs/2509.24497v1
• Date: Mon, 29 Sep 2025 09:11:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.889362
• Title: A Novel Preprocessing Unit for Effective Deep Learning based Classification and Grading of Diabetic Retinopathy
• Title（参考訳）: 効果的な深層学習に基づく糖尿病網膜症の分類とグレーディングのための新しい前処理ユニット
• Authors: Pranoti Nage, Sanjay Shitole,
• Abstract要約: 本研究は,糖尿病網膜症を早期に検出するための枠組みである。 フレームワークには前処理、セグメンテーション、特徴抽出、分類の3段階が含まれている。 提案手法の有効性は,IDRiDとMESSIDORの2つの異なるデータセットを用いて評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Early detection of diabetic retinopathy (DR) is crucial as it allows for timely intervention, preventing vision loss and enabling effective management of diabetic complications. This research performs detection of DR and DME at an early stage through the proposed framework which includes three stages: preprocessing, segmentation, feature extraction, and classification. In the preprocessing stage, noise filtering is performed by fuzzy filtering, artefact removal is performed by non-linear diffusion filtering, and the contrast improvement is performed by a novel filter called Adaptive Variable Distance Speckle (AVDS) filter. The AVDS filter employs four distance calculation methods such as Euclidean, Bhattacharya, Manhattan, and Hamming. The filter adaptively chooses a distance method which produces the highest contrast value amongst all 3 methods. From the analysis, hamming distance method was found to achieve better results for contrast and Euclidean distance showing less error value with high PSNR. The segmentation stage is performed using Improved Mask-Regional Convolutional Neural Networks (Mask RCNN). In the final stage, feature extraction and classification using novel Self-Spatial Attention infused VGG-16 (SSA-VGG-16), which effectively captures both global contextual relationships and critical spatial regions within retinal images, thereby improving the accuracy and robustness of DR and DME detection and grading. The effectiveness of the proposed method is assessed using two distinct datasets: IDRiD and MESSIDOR.
• Abstract（参考訳）: 糖尿病網膜症(DR)の早期発見は、時間的に介入し、視力喪失を予防し、糖尿病合併症の効果的な管理を可能にするために重要である。 本研究は, 事前処理, セグメンテーション, 特徴抽出, 分類の3段階を含むフレームワークを用いて, DRとDMEを早期に検出する。 前処理段階では、ファジィフィルタリングによりノイズフィルタリングを行い、非線形拡散フィルタリングによりアーティファクト除去を行い、適応可変距離スペックルフィルタ(AVDS)と呼ばれる新しいフィルタによりコントラスト改善を行う。 AVDSフィルタはEuclidean、Bhattacharya、Manhattan、Hammingの4つの距離計算手法を使用している。 フィルタは、3つの方法の中で最も高いコントラスト値を生成する距離法を適応的に選択する。 解析の結果, ハムニング距離法は, コントラストとユークリッド距離において高いPSNRで誤差値が小さいことが判明した。 セグメンテーションステージは、改良マスク-相対畳み込みニューラルネットワーク(Mask RCNN)を用いて実行される。 最終段階では、新たな自己空間注意注入VGG-16(SSA-VGG-16)を用いて特徴抽出と分類を行い、網膜画像内の大域的文脈関係と臨界空間領域の両方を効果的に捕捉し、DRおよびDME検出およびグレーディングの精度と堅牢性を向上させる。 提案手法の有効性は,IDRiDとMESSIDORの2つの異なるデータセットを用いて評価する。

関連論文リスト

• Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
  頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。 本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
  論文  参考訳（メタデータ） (2025-08-01T00:45:46Z)
• Advanced Segmentation of Diabetic Retinopathy Lesions Using DeepLabv3+ [0.0]
  病変の種類ごとにバイナリセグメンテーション法を実装した。 切除後, 個々のモデル出力を1つの画像に組み合わせて, 病変のタイプをよりよく解析した。 提案手法はDeepLabv3+モデルを用いて,99%のセグメンテーション精度を実現した。
  論文  参考訳（メタデータ） (2025-04-24T07:00:38Z)
• The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
  本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。 画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
  論文  参考訳（メタデータ） (2025-04-10T16:26:47Z)
• Comprehensive Evaluation of OCT-based Automated Segmentation of Retinal Layer, Fluid and Hyper-Reflective Foci: Impact on Clinical Assessment of Diabetic Retinopathy Severity [0.0]
  糖尿病網膜症(DR)は視覚障害の主要な原因であり、不可逆的な損傷を防ぐために早期かつ正確な評価が必要である。 本研究では,網膜層の自動セグメンテーションのための能動的学習に基づくディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-03-03T07:23:56Z)
• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Multiple Sclerosis Lesions Segmentation using Attention-Based CNNs in FLAIR Images [0.2578242050187029]
  多発性硬化症(Multiple Sclerosis、MS)は、中枢神経系の病変を引き起こす自己免疫性脱髄性疾患である。 今のところ、病変の分断には多要素自動バイオメディカルアプローチが多用されている。 著者らは1つのモダリティ(FLAIR画像)を用いてMS病変を正確に分類する方法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T21:37:43Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)

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。