論文の概要: FQPDR: Federated Quantum Neural Network for Privacy-preserving Early Detection of Diabetic Retinopathy

• arxiv url: http://arxiv.org/abs/2605.08324v1
• Date: Fri, 08 May 2026 16:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.567393
• Title: FQPDR: Federated Quantum Neural Network for Privacy-preserving Early Detection of Diabetic Retinopathy
• Title（参考訳）: FQPDR:糖尿病網膜症早期発見のためのフェデレーション量子ニューラルネットワーク
• Authors: Debashis De, Mahua Nandy Pal, Dipankar Hazra,
• Abstract要約: フェデレーテッド・ラーニング(FL)は、医療画像処理の大きな関心事であるデータのプライバシを保存する。 本稿では,この課題に対するフェデレート学習に基づく量子ニューラルネットワーク(フェデレーションQNN)を提案する。 限られたサンプルと、E-ophthaおよびRetina MNISTデータセットから学習可能なパラメータの少ないモデルを実装した。
• 参考スコア（独自算出の注目度）: 1.0207955314209531
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diabetic Retinopathy (DR) is a common complication of diabetes that can lead to blindness of people. Detecting DR at the earliest stage is essential to prevent irreversible eye damage. Microaneurysm dots are the first signs of DR. As the dots are tiny and of low contrast, detecting mild DR is a very challenging task. Federated learning (FL) preserves data privacy, which is a major concern for medical image processing. FL is a collaborative learning method, which shares only the model parameters with a server, without sharing the patient data to a central server. Inspired by classical FL, we propose a federated learning-based quantum neural network (federated QNN) for this task. We implemented the models with limited samples and few learnable parameters from the E-ophtha and Retina MNIST datasets. The crossevaluation efficiency of the proposed federated quantum neural network system for privacy-preserving early detection of diabetic retinopathy (FQPDR) in Kaggle dataset images indicates the robustness of the light weight learning models. FQPDR performances are inspiring while considering existing non-FL and FL methods.
• Abstract（参考訳）: 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病の合併症の一つで、人の盲目につながる。 DRを早期に検出することは、不可逆的な眼の損傷を防ぐために不可欠である。 微小動脈瘤ドットは、DRの最初の兆候である。ドットは小さくてコントラストが低いため、軽度DRの検出は非常に難しい作業である。 フェデレーテッド・ラーニング(FL)は、医療画像処理の大きな関心事であるデータのプライバシを保存する。 FLは,患者データを中央サーバに共有することなく,モデルパラメータのみをサーバと共有する協調学習手法である。 従来のFLに着想を得て,この課題に対するフェデレート学習に基づく量子ニューラルネットワーク(フェデレーションQNN)を提案する。 E-ophtha と Retina MNIST のデータセットから,限られたサンプルと学習可能なパラメータの少ないモデルを実装した。 カグルデータセット画像における糖尿病網膜症(FQPDR)の早期発見のために提案したフェデレーション量子ニューラルネットワークシステムの相互評価効率は、軽量学習モデルの堅牢性を示している。 FQPDRの性能は、既存の非FL法とFL法を考慮し、刺激を受けている。

関連論文リスト

• 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)
• 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)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Diabetic Retinopathy Detection Using Quantum Transfer Learning [2.724141845301679]
  糖尿病患者の合併症である糖尿病網膜症(DR)は、網膜に発生する病変により視力障害を引き起こすことがある。 本稿では,DR検出のためのハイブリッド量子トランスファー学習手法を提案する。 その結果,ResNet-18では97%の精度が得られた。
  論文  参考訳（メタデータ） (2024-05-02T21:09:39Z)
• Deep Semi-Supervised and Self-Supervised Learning for Diabetic Retinopathy Detection [0.0]
  糖尿病網膜症は、先進国の労働年齢層における失明の主要な原因の1つである。 深部ニューラルネットワークは眼底画像のDR分類のための自動化システムで広く利用されている。 本稿では,ラベル付き画像とラベル付き画像を利用して糖尿病網膜症を検出するモデルを訓練する半教師付き手法を提案する。
  論文  参考訳（メタデータ） (2022-08-04T02:28:13Z)
• Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。 DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。 本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-04T11:31:15Z)
• FEDI: Few-shot learning based on Earth Mover's Distance algorithm combined with deep residual network to identify diabetic retinopathy [3.6623193507510012]
  本稿では,Earth Moverのアルゴリズムをベースとした,糖尿病網膜症の診断支援を目的とした深部残像ネットワークの複数ショット学習モデルを提案する。 我々は,1000サンプルデータの39カテゴリに基づいて,数ショット学習のためのトレーニングと検証の分類タスクを構築し,深層残留ネットワークを訓練し,経験的事前学習モデルを得る。 事前学習モデルの重みに基づいて、Earth MoverのDistanceアルゴリズムは画像間の距離を計算し、画像間の類似性を求め、モデルのパラメータを変更してトレーニングモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2021-08-22T13:05:02Z)
• 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。