論文の概要: Through BrokenEyes: How Eye Disorders Impact Face Detection?

• arxiv url: http://arxiv.org/abs/2602.23212v1
• Date: Thu, 26 Feb 2026 16:56:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.793945
• Title: Through BrokenEyes: How Eye Disorders Impact Face Detection?
• Title（参考訳）: BrokenEyes: 眼疾患は顔検出にどのように影響するか?
• Authors: Prottay Kumar Adhikary,
• Abstract要約: 一般的な5つの眼疾患をシミュレートするために、BrokenEyesシステムを用いて計算フレームワークを開発した。 加齢に伴う黄斑変性、白内障、緑内障、屈折異常、糖尿病網膜症。 正常および障害特異的な条件下で訓練されたモデルでは、特徴マップに重大な破壊が認められた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision disorders significantly impact millions of lives, altering how visual information is processed and perceived. In this work, a computational framework was developed using the BrokenEyes system to simulate five common eye disorders: Age-related macular degeneration, cataract, glaucoma, refractive errors, and diabetic retinopathy and analyze their effects on neural-like feature representations in deep learning models. Leveraging a combination of human and non-human datasets, models trained under normal and disorder-specific conditions revealed critical disruptions in feature maps, particularly for cataract and glaucoma, which align with known neural processing challenges in these conditions. Evaluation metrics such as activation energy and cosine similarity quantified the severity of these distortions, providing insights into the interplay between degraded visual inputs and learned representations.
• Abstract（参考訳）: 視覚障害は数百万人の生活に大きな影響を与え、視覚情報がどのように処理され、認識されるかを変える。 本研究では、BrokenEyesシステムを用いて、加齢関連黄斑変性、白内障、屈折異常、糖尿病網膜症という5つの一般的な眼疾患をシミュレートし、それらがディープラーニングモデルにおける神経様特徴表現に与える影響を分析する計算フレームワークを開発した。 ヒトと非ヒトのデータセットを組み合わせることで、正常および障害特異的な条件下で訓練されたモデルは、特に白内障や緑内障などの特徴地図において、これらの条件における既知のニューラル処理の課題と整合する致命的な破壊を明らかにした。 活性化エネルギーやコサイン類似度などの評価指標は、これらの歪みの重大さを定量化し、劣化した視覚入力と学習された表現の間の相互作用に関する洞察を与える。

関連論文リスト

• Guided Context Gating: Learning to leverage salient lesions in retinal fundus images [1.8789068567093286]
  本稿では,ガイド付きコンテキストゲーティングと呼ばれる新しいアテンション機構を提案する。 コンテキスト定式化、チャネル相関、ガイド付きゲーティングを統合して、グローバルコンテキスト、空間相関、局所的病変コンテキストを学ぶ。 ゼノド-DR-7データセットの実験では、高度な注意機構よりも精度が2.63%向上した。
  論文  参考訳（メタデータ） (2024-06-19T00:42:35Z)
• Disentangling representations of retinal images with generative models [12.235975451036047]
  患者属性をカメラ効果から効果的に切り離す網膜基底画像の集団モデルを提案する。 提案するモデルは,不整合部分空間において所望の情報を符号化し,学習した部分空間に基づいて制御可能な画像生成を可能にする。
  論文  参考訳（メタデータ） (2024-02-29T14:11:08Z)
• Periocular biometrics: databases, algorithms and directions [69.35569554213679]
  近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。 本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
  論文  参考訳（メタデータ） (2023-07-26T11:14:36Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• Artifact-Tolerant Clustering-Guided Contrastive Embedding Learning for Ophthalmic Images [18.186766129476077]
  眼科画像の表現を学習するための,EyeLearnと呼ばれる人工物耐性の非教師なし学習フレームワークを提案する。 EyeLearnには、アーティファクトのない眼科画像の最良の予測が可能な表現を学ぶためのアーティファクト修正モジュールがある。 EyeLearnを評価するために,緑内障患者の実眼画像データセットを用いて,視覚野の予測と緑内障検出に学習表現を用いた。
  論文  参考訳（メタデータ） (2022-09-02T01:25:45Z)
• Guiding Visual Attention in Deep Convolutional Neural Networks Based on Human Eye Movements [0.0]
  ディープ畳み込みニューラルネットワーク(DCNN)は、当初は生物学的ビジョンの原理にインスパイアされていた。 近年のディープラーニングの進歩は、この類似性を減らしているようだ。 有用なモデルを得るための純粋にデータ駆動型アプローチについて検討する。
  論文  参考訳（メタデータ） (2022-06-21T17:59:23Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• 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)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)
• 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。