Fugu-MT 論文翻訳(概要): Retinal Malady Classification using AI: A novel ViT-SVM combination architecture

論文の概要: Retinal Malady Classification using AI: A novel ViT-SVM combination architecture

arxiv url: http://arxiv.org/abs/2603.29181v1
Date: Tue, 31 Mar 2026 02:48:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-01 15:25:03.053448
Title: Retinal Malady Classification using AI: A novel ViT-SVM combination architecture
Title（参考訳）: AIを用いた網膜マレー分類:新しいViT-SVM結合アーキテクチャ
Authors: Shashwat Jha, Vishvaditya Luhach, Raju Poddar,
Abstract要約: 黄斑円孔,中枢性血清性網膜症,糖尿病性網膜症の早期発見は,患者の幸福感を損なう。本研究では視覚変換器とサポートベクトルマシンを用いたハイブリッドアーキテクチャ(ViT-SVM)の応用について紹介する。
参考スコア（独自算出の注目度）: 0.4779196219827507
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Macular Holes, Central serous retinopathy and Diabetic Retinopathy are one of the most widespread maladies of the eyes responsible for either partial or complete vision loss, thus making it clear that early detection of the mentioned defects is detrimental for the well-being of the patient. This study intends to introduce the application of Vision Transformer and Support Vector Machine based hybrid architecture (ViT-SVM) and analyse its performance to classify the optical coherence topography (OCT) Scans with the intention to automate the early detection of these retinal defects.
Abstract（参考訳）: 黄斑円孔、中心静脈性網膜症、糖尿病網膜症は、部分的または完全な視力喪失の原因となる最も広範な眼疾患の1つであり、上述した欠陥の早期発見が患者の幸福を損なうことを明確にしている。本研究では,視覚変換器とサポートベクトルマシンをベースとしたハイブリッドアーキテクチャ(ViT-SVM)を導入し,光学コヒーレンス・トポグラフィー(OCT)スカンスをこれらの網膜欠陥の早期検出を自動化する目的で解析する。

関連論文リスト

A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文参考訳（メタデータ） (2025-12-15T10:22:43Z)
LightHCG: a Lightweight yet powerful HSIC Disentanglement based Causal Glaucoma Detection Model framework [3.765413696274397]
本研究は、新しい因果表現駆動緑内障検出モデルであるLightHCGを紹介する。 LightHCGは、非常に軽量なConvolutional VAEベースの潜在緑内障表現モデルである。 HSICをベースとした潜在空間歪みとグラフオートエンコーダをベースとした非教師なし因果表現学習を用いて、LightHCGは9399%の重量の緑内障の分類において高い性能を示す。
論文参考訳（メタデータ） (2025-12-02T05:52:15Z)
Rethinking Glaucoma Calibration: Voting-Based Binocular and Metadata Integration [7.317152109491892]
緑内障は可逆性失明の主要な原因であり、診断的主観性が高い。 V-ViT(Voting-based ViT)は、患者の双眼情報とメタデータを統合することで校正を強化するフレームワークである。以上の結果から,V-ViTは緑内障の診断における過信の問題を効果的に解決し,臨床応用の信頼性の高い予測を可能にした。
論文参考訳（メタデータ） (2025-03-24T13:09:47Z)
OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods [34.13887472397715]
本研究は,2000枚以上の OCT 画像からなるオープンアクセス型 OCT データセット (OCTDL) を提案する。このデータセットは、加齢関連黄斑変性症(AMD)、糖尿病黄斑浮腫(DME)、網膜膜(ERM)、網膜動脈閉塞症(RAO)、網膜静脈閉塞症(RVO)、およびVID(Vitreomacular Interface Disease)患者のOCT記録からなる。
論文参考訳（メタデータ） (2023-12-13T16:18:40Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
A comprehensive survey on computer-aided diagnostic systems in diabetic retinopathy screening [0.0]
糖尿病性メリタス(DM)は、最終的に糖尿病網膜症(DR)を引き起こす重要な微小血管破壊を引き起こす私たちのレビューは、CADシステムで何が達成できるかを理解したい学生から確立した研究者まで、誰でも対象としています。
論文参考訳（メタデータ） (2022-08-03T02:11:42Z)
Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文参考訳（メタデータ） (2022-03-12T15:24:03Z)
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。