論文の概要: Managing Diabetic Retinopathy with Deep Learning: A Data Centric Overview
- arxiv url: http://arxiv.org/abs/2604.02448v1
- Date: Thu, 02 Apr 2026 18:19:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.169596
- Title: Managing Diabetic Retinopathy with Deep Learning: A Data Centric Overview
- Title（参考訳）: 深層学習による糖尿病網膜症の管理 : データ中心的展望
- Authors: Shramana Dey, Zahir Khan, T. A. PramodKumar, B. Uma Shankar, Ashis K. Dhara, Ramachandran Rajalakshmi, Rajiv Raman, Sushmita Mitra,
- Abstract要約: 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病の深刻な微小血管合併症であり、世界中の視覚喪失の原因の1つである。
ディープラーニング(DL)による自動検出とグレーディングは、眼科医の負担を軽減することができるが、高品質なデータセットの可用性の制限によって制限される。
- 参考スコア（独自算出の注目度）: 6.928682776615186
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetic Retinopathy (DR) is a serious microvascular complication of diabetes, and one of the leading causes of vision loss worldwide. Although automated detection and grading, with Deep Learning (DL), can reduce the burden on ophthalmologists, it is constrained by the limited availability of high-quality datasets. Existing repositories often remain geographically narrow, contain limited samples, and exhibit inconsistent annotations or variable image quality; thereby, restricting their clinical reliability. This paper presents a comprehensive review and comparative analysis of fundus image datasets used in the management of DR. The study evaluates their usability across key tasks, including binary classification, severity grading, lesion localization, and multi-disease screening. It also categorizes the datasets by size, accessibility, and annotation type (such as image-level, lesion-level, and multi-disease). Finally, a recently published dataset is presented as a case study to illustrate broader challenges in dataset curation and usage. The review consolidates current knowledge while highlighting persistent gaps such as the lack of standardized lesion-level annotations and longitudinal data. It also outlines recommendations for future dataset development to support clinically reliable and explainable solutions in DR screening.
- Abstract（参考訳）: 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病の深刻な微小血管合併症であり、世界中の視覚喪失の原因の1つである。
ディープラーニング(DL)による自動検出とグレーディングは、眼科医の負担を軽減することができるが、高品質なデータセットの可用性の制限によって制限される。
既存のリポジトリは地理的に狭いままであり、限られたサンプルを含んでおり、一貫性のないアノテーションや画像の品質を示すため、臨床上の信頼性が制限される。
本稿では,DRの管理に使用される底面画像データセットの総合的レビューと比較分析を行い,二分分類,重度グレーディング,病変の局所化,多点検診などの主要なタスクにおけるユーザビリティの評価を行った。
また、データセットをサイズ、アクセシビリティ、アノテーションタイプ(画像レベル、病変レベル、マルチリリースなど)によって分類する。
最後に、最近公開されたデータセットがケーススタディとして提示され、データセットのキュレーションと使用に関するより広範な課題が説明されている。
このレビューは、標準化された病変レベルのアノテーションや長手データの欠如など、永続的なギャップを強調しながら、現在の知識を集約する。
また、DRスクリーニングにおける臨床的に信頼性が高く説明可能なソリューションをサポートするために、将来のデータセット開発のための推奨事項も概説している。
関連論文リスト
- Reliable Mislabel Detection for Video Capsule Endoscopy Data [0.6746617619581846]
医療データセットにおける誤ラベル検出のためのフレームワークを提案する。
これは、ビデオカプセル内視鏡用の最大2つの公開データセットで検証されている。
提案手法は, 誤ラベル付きデータの検出に成功し, その結果, 異常検出性能が向上したことを示す。
論文 参考訳（メタデータ） (2026-02-06T18:33:12Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided
Gastrointestinal Disease Detection [6.231109933741383]
本データセットは, 解剖学的所見, 病理所見, ポリープ除去症例, 正常所見を含む。
経験豊富なGI内科医によって注釈され、検証された。
我々のデータセットは、GI病の検出と分類のためのAIベースのアルゴリズムの開発を促進することができると信じている。
論文 参考訳（メタデータ） (2023-07-16T19:36:03Z) - Achieving Reliable and Fair Skin Lesion Diagnosis via Unsupervised Domain Adaptation [43.1078084014722]
教師なしドメイン適応(UDA)は、信頼性の高い分類器を開発するために、大きな外部データセットを統合することができる。
UDAは少数派に対する偏見を効果的に軽減し、診断システムの公平性を高めることができる。
論文 参考訳（メタデータ） (2023-07-06T17:32:38Z) - A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate
Detection [12.669734891001667]
糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。
硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。
ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-22T17:39:00Z) - Bag of Tricks for Developing Diabetic Retinopathy Analysis Framework to
Overcome Data Scarcity [6.802798389355481]
糖尿病網膜症 (DR) 解析課題として, 病変分割, 画像品質評価, DRグレーディングについて検討した。
各タスクに対して,アンサンブル学習,データ強化,半教師付き学習を活用した堅牢な学習手法を導入する。
疑似ラベルの負の効果を低減するため,モデルの信頼度スコアに基づいて不確実な擬似ラベルを除外する信頼性の高い擬似ラベルを提案する。
論文 参考訳（メタデータ） (2022-10-18T03:25:00Z) - 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) - Towards Robust Partially Supervised Multi-Structure Medical Image
Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。
マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。
本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文 参考訳（メタデータ） (2020-11-28T16:31:00Z) - 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) - Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。
本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。
我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
論文 参考訳（メタデータ） (2020-06-06T06:48:40Z)
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。