論文の概要: Directed Ordinal Diffusion Regularization for Progression-Aware Diabetic Retinopathy Grading

• arxiv url: http://arxiv.org/abs/2602.21942v1
• Date: Wed, 25 Feb 2026 14:26:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.857602
• Title: Directed Ordinal Diffusion Regularization for Progression-Aware Diabetic Retinopathy Grading
• Title（参考訳）: 進行型糖尿病網膜症に対する直交拡散規則化法の検討
• Authors: Huangwei Chen, Junhao Jia, Ruocheng Li, Cunyuan Yang, Wu Li, Xiaotao Pang, Yifei Chen, Haishuai Wang, Jiajun Bu, Lei Wu,
• Abstract要約: 糖尿病網膜症(DR)は、網膜の連続的かつ不可逆的な劣化として進行する。 既存の順序回帰法は、DR重度を静的な対称なランクの集合としてモデル化する。 そこで本稿では,D-ODR(Directed Ordinal Diffusion Regularization)を提案する。
• 参考スコア（独自算出の注目度）: 24.381492743523925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic Retinopathy (DR) progresses as a continuous and irreversible deterioration of the retina, following a well-defined clinical trajectory from mild to severe stages. However, most existing ordinal regression approaches model DR severity as a set of static, symmetric ranks, capturing relative order while ignoring the inherent unidirectional nature of disease progression. As a result, the learned feature representations may violate biological plausibility, allowing implausible proximity between non-consecutive stages or even reverse transitions. To bridge this gap, we propose Directed Ordinal Diffusion Regularization (D-ODR), which explicitly models the feature space as a directed flow by constructing a progression-constrained directed graph that strictly enforces forward disease evolution. By performing multi-scale diffusion on this directed structure, D-ODR imposes penalties on score inversions along valid progression paths, thereby effectively preventing the model from learning biologically inconsistent reverse transitions. This mechanism aligns the feature representation with the natural trajectory of DR worsening. Extensive experiments demonstrate that D-ODR yields superior grading performance compared to state-of-the-art ordinal regression and DR-specific grading methods, offering a more clinically reliable assessment of disease severity. Our code is available on https://github.com/HovChen/D-ODR.
• Abstract（参考訳）: 糖尿病網膜症(DR)は、軽度から重度の経過を経て、網膜の連続的かつ不可逆的な劣化として進行する。 しかし、既存のほとんどの順序回帰法はDR重度を静的な対称なランクの集合としてモデル化し、疾患進行の固有の一方向の性質を無視しながら相対的な順序を捉えている。 結果として、学習された特徴表現は生物学的な可視性に反し、非連続的なステージ間や逆遷移の間への不確実な近接を可能にする。 このギャップを埋めるために,進行制約付き有向グラフを構築し,特徴空間を指向フローとして明示的にモデル化するD-ODR(Directed Ordinal Diffusion Regularization)を提案する。 この有向構造に対して多スケール拡散を行うことにより、D-ODRは有効な進行経路に沿ってスコアインバージョンにペナルティを課し、このモデルが生物学的に矛盾しない逆遷移を学習することを効果的に防止する。 この機構は、特徴表現とDRを悪化させる自然な軌道とを一致させる。 広汎な実験により、D-ODRは、最先端の順序回帰法やDR固有の階調法よりも優れた階調性能を示し、病気の重症度をより臨床的に信頼性の高い評価を提供する。 私たちのコードはhttps://github.com/HovChen/D-ODRで公開されています。

関連論文リスト

• Uncertainty-Aware Ordinal Deep Learning for cross-Dataset Diabetic Retinopathy Grading [0.0]
  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。
  論文  参考訳（メタデータ） (2026-02-10T21:44:04Z)
• Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
  パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。 これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。 連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
  論文  参考訳（メタデータ） (2025-11-06T20:16:33Z)
• 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)
• Restoration Score Distillation: From Corrupted Diffusion Pretraining to One-Step High-Quality Generation [82.39763984380625]
  Score Distillation (DSD) の原理的一般化である textitRestoration Score Distillation (RSD) を提案する。 RSDは、ぼやけた画像、不完全画像、低解像度画像など、広範囲の汚職タイプに対応している。 自然と科学の両方のデータセットの様々な復元作業において、教師モデルを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-19T17:21:03Z)
• A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
  観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。 逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。 本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
  論文  参考訳（メタデータ） (2025-05-16T17:00:52Z)
• 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)
• Implicit Bias of Gradient Descent for Logistic Regression at the Edge of Stability [69.01076284478151]
  機械学習の最適化において、勾配降下(GD)はしばしば安定性の端(EoS)で動く 本稿では,EoS系における線形分離可能なデータに対するロジスティック回帰のための定数段差GDの収束と暗黙バイアスについて検討する。
  論文  参考訳（メタデータ） (2023-05-19T16:24:47Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• A Multi-stage Transfer Learning Framework for Diabetic Retinopathy Grading on Small Data [7.083438376194304]
  糖尿病網膜症(DR)は、現在知られている主要な盲腸疾患の一つである。 本稿では,多段階移動学習のアイデアをDRのグルーピングタスクに適用する。 作業中にクラスバランスの損失関数を提示し、それに対してシンプルで実装の容易なトレーニング手法を採用する。
  論文  参考訳（メタデータ） (2021-09-24T08:39:13Z)

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。