論文の概要: Robust Multi-Disease Retinal Classification via Xception-Based Transfer Learning and W-Net Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2512.10608v1
• Date: Thu, 11 Dec 2025 13:03:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.366909
• Title: Robust Multi-Disease Retinal Classification via Xception-Based Transfer Learning and W-Net Vessel Segmentation
• Title（参考訳）: Xception-based Transfer LearningとW-Net Vessel Segmentationによるロバスト多値網膜分類
• Authors: Mohammad Sadegh Gholizadeh, Amir Arsalan Rezapour,
• Abstract要約: 本稿では,眼疾患の自動診断のためのディープラーニングアーキテクチャに関する総合的研究について述べる。 深い特徴抽出と解釈可能な画像処理モジュールを組み合わせたパイプラインを実装した。 臨床形態学的特徴のモデル予測を基礎として,アルゴリズム出力と専門的医学的検証のギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the incidence of vision-threatening eye diseases has risen dramatically, necessitating scalable and accurate screening solutions. This paper presents a comprehensive study on deep learning architectures for the automated diagnosis of ocular conditions. To mitigate the "black-box" limitations of standard convolutional neural networks (CNNs), we implement a pipeline that combines deep feature extraction with interpretable image processing modules. Specifically, we focus on high-fidelity retinal vessel segmentation as an auxiliary task to guide the classification process. By grounding the model's predictions in clinically relevant morphological features, we aim to bridge the gap between algorithmic output and expert medical validation, thereby reducing false positives and improving deployment viability in clinical settings.
• Abstract（参考訳）: 近年、視力の弱まる眼疾患の発生は劇的に増加し、スケーラブルで正確なスクリーニングソリューションを必要としている。 本稿では,眼疾患の自動診断のためのディープラーニングアーキテクチャに関する総合的研究について述べる。 標準畳み込みニューラルネットワーク(CNN)の「ブラックボックス」制限を軽減するため、深い特徴抽出と解釈可能な画像処理モジュールを組み合わせたパイプラインを実装した。 具体的には,高忠実度網膜血管セグメンテーションに焦点をあてて分類プロセスの導出を行う。 本研究は, 臨床形態学的特徴のモデル予測を基礎として, アルゴリズム出力と専門的医学的検証のギャップを埋めることを目的として, 偽陽性を減らし, 臨床環境における展開可能性を向上させることを目的とする。

関連論文リスト

• Effective Attention-Guided Multi-Scale Medical Network for Skin Lesion Segmentation [12.606268951019965]
  本稿では,マルチスケール残差構造に基づく革新的なエンコーダ・デコーダネットワークアーキテクチャを提案する。 MRCF (Multi-Resolution Multi-Channel Fusion) モジュールの導入により, クロススケールな特徴を捉え, 抽出した情報の明瞭度と精度を向上させる。 また、注意範囲を再定義し、複数のコンテキストにまたがる重みを動的に計算するCross-Mix Attention Module (CMAM)を提案する。
  論文  参考訳（メタデータ） (2025-12-08T08:15:39Z)
• Enhanced SegNet with Integrated Grad-CAM for Interpretable Retinal Layer Segmentation in OCT Images [0.0]
  そこで本研究では,SegNetによる網膜層分割の自動化と解釈のためのディープラーニングフレームワークを提案する。 改良されたプール戦略を含むアーキテクチャ上の革新は、ノイズの多いOCT画像からの特徴抽出を強化する。 Grad-CAMの可視化では、解剖学的に関連のある領域が強調され、セグメンテーションと臨床バイオマーカーが一致した。
  論文  参考訳（メタデータ） (2025-09-09T14:31:51Z)
• Towards Accurate and Interpretable Neuroblastoma Diagnosis via Contrastive Multi-scale Pathological Image Analysis [16.268045905735818]
  病理画像分類に適したコントラスト学習に基づくマルチスケール機能融合モデルであるCMSwinKANを提案する。 マルチスケールの特徴を融合させ、対照的な学習戦略を活用することで、CMSwinKANは臨床医の包括的なアプローチを模倣する。 その結果、CMSwinKANは、既存の最先端の病理モデルよりも、大規模なデータセットで事前訓練されたモデルよりもパフォーマンスがよいことが示された。
  論文  参考訳（メタデータ） (2025-04-18T15:39:46Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• 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。