論文の概要: Uncertainty-Aware Ordinal Deep Learning for cross-Dataset Diabetic Retinopathy Grading

• arxiv url: http://arxiv.org/abs/2602.10315v1
• Date: Tue, 10 Feb 2026 21:44:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.297351
• Title: Uncertainty-Aware Ordinal Deep Learning for cross-Dataset Diabetic Retinopathy Grading
• Title（参考訳）: クロスデータセット糖尿病網膜症における不確かさを意識した日常的深層学習
• Authors: Ali El Bellaj, Aya Benradi, Salman El Youssoufi, Taha El Marzouki, Mohammed-Amine Cheddadi,
• Abstract要約: 糖尿病網膜症の早期かつ確実な検出は、失明の予防に重要である。 本稿では,DR重度自動評価のための不確実性を考慮したディープラーニングフレームワークを提案する。 提案手法は, 畳み込み後骨に病変性アテンションプールと明らかなディリクレに基づく順序回帰ヘッドを併用する。
• 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: Diabetes mellitus is a chronic metabolic disorder characterized by persistent hyperglycemia due to insufficient insulin production or impaired insulin utilization. One of its most severe complications is diabetic retinopathy (DR), a progressive retinal disease caused by microvascular damage, leading to hemorrhages, exudates, and potential vision loss. Early and reliable detection of DR is therefore critical for preventing irreversible blindness. In this work, we propose an uncertainty-aware deep learning framework for automated DR severity grading that explicitly models the ordinal nature of disease progression. Our approach combines a convolutional backbone with lesion-query attention pooling and an evidential Dirichlet-based ordinal regression head, enabling both accurate severity prediction and principled estimation of predictive uncertainty. The model is trained using an ordinal evidential loss with annealed regularization to encourage calibrated confidence under domain shift. We evaluate the proposed method on a multi-domain training setup combining APTOS, Messidor-2, and a subset of EyePACS fundus datasets. Experimental results demonstrate strong cross-dataset generalization, achieving competitive classification accuracy and high quadratic weighted kappa on held-out test sets, while providing meaningful uncertainty estimates for low-confidence cases. These results suggest that ordinal evidential learning is a promising direction for robust and clinically reliable diabetic retinopathy grading.
• Abstract（参考訳）: 糖尿病 (diabetes mellitus) は、インスリン産生の不足やインスリン使用の低下により、持続性高血糖を特徴とする慢性代謝障害である。 最も重篤な合併症の1つは糖尿病網膜症(DR)であり、微小血管損傷による進行性網膜疾患であり、出血、排尿、潜在的な視力喪失を引き起こす。 したがって、DRの早期かつ信頼性の高い検出は、不可逆的な盲目を防ぐために重要である。 本研究では,疾患進行の順序性を明確にモデル化した,DR重度自動評価のための不確実性を考慮したディープラーニングフレームワークを提案する。 提案手法は, 畳み込み後骨と病変関連アテンションプールと, 明らかなディリクレに基づく順序回帰ヘッドを組み合わせることで, 正確な重度予測と予測の不確かさの原理的推定を可能にする。 このモデルは、ドメインシフト下での校正信頼を促進するために、アニール正則化による常態的顕在的損失を用いて訓練される。 提案手法は,APTOS,Messidor-2,EyePACS Fundusデータセットのサブセットを組み合わせたマルチドメイントレーニング設定において評価される。 実験結果から, 高いクロスデータセットの一般化, 競合分類精度, 高次重み付きカッパの保持試験において達成し, 信頼性の低いケースに対しては有意義な不確実性評価が得られた。 以上の結果から, 糖尿病性網膜症に対して, 経時的明らかな学習が有望な方向であることが示唆された。

関連論文リスト

• Hybrid Deep Learning Framework for Enhanced Diabetic Retinopathy Detection: Integrating Traditional Features with AI-driven Insights [0.0]
  糖尿病網膜症(Dia-betes Mellitus, DM)は、特にインドにおいて主要な国際的関心事である。 基底画像は、微妙な網膜病変を検出することによって正確な診断を支援する。 本稿では,従来の特徴抽出とディープラーニング(DL)を組み合わせたハイブリッド診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-21T09:50:16Z)
• Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
  糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。 我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
  論文  参考訳（メタデータ） (2025-08-17T21:54:11Z)
• Parameterized Diffusion Optimization enabled Autoregressive Ordinal Regression for Diabetic Retinopathy Grading [53.11883409422728]
  本研究は, AOR-DRと呼ばれる新しい自己回帰的順序回帰法を提案する。 我々は,糖尿病網膜症分類タスクを,前ステップの予測と抽出画像の特徴を融合させることにより,一連の順序段階に分解する。 拡散過程を利用して条件付き確率モデリングを行い、連続的グローバルな画像特徴を自己回帰に利用できるようにする。
  論文  参考訳（メタデータ） (2025-07-07T13:22:35Z)
• VR-FuseNet: A Fusion of Heterogeneous Fundus Data and Explainable Deep Network for Diabetic Retinopathy Classification [0.0]
  本稿では,VR-FuseNetと呼ばれる新しいハイブリッドディープラーニングモデルを提案することによって,糖尿病網膜症自動検出のための包括的アプローチを提案する。 提案したVR-FuseNetモデルは、最先端の畳み込みニューラルネットワークであるVGG19と、その深い階層的特徴抽出で知られるResNet50V2の強みを組み合わせたものだ。 このモデルは、糖尿病網膜症分類タスクにおけるハイブリッド特徴抽出の有効性を示すすべてのパフォーマンス指標において、個々のアーキテクチャよりも優れている。
  論文  参考訳（メタデータ） (2025-04-30T09:38:47Z)
• 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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Sea-Net: Squeeze-And-Excitation Attention Net For Diabetic Retinopathy Grading [9.181677987146418]
  糖尿病は個人で最も一般的な病気の1つである。 糖尿病網膜症 (DR) は糖尿病の合併症であり、失明を引き起こす可能性がある。 網膜画像に基づくDRグレーディングは、治療計画のための診断と予後に優れた価値を提供する。
  論文  参考訳（メタデータ） (2020-10-29T03:48:01Z)
• 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。