論文の概要: Ellipse Meets Bit-Planes: A Novel Approach to RNFL based Glaucoma Detection Using Advanced Image Processing and Deep Learning

• arxiv url: http://arxiv.org/abs/2606.15772v1
• Date: Sun, 14 Jun 2026 12:20:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.840864
• Title: Ellipse Meets Bit-Planes: A Novel Approach to RNFL based Glaucoma Detection Using Advanced Image Processing and Deep Learning
• Title（参考訳）: EllipseとBit-Planes: 高度な画像処理とディープラーニングを用いたRAFによる緑内障検出の新しいアプローチ
• Abstract要約: 本研究は,手軽に利用可能なカラーフロンダ画像から緑内障自動検出のための統合パイプラインを提案する。 異なる運用ニーズに合わせた2つの異なるフレームワークを導入します。 ディープラーニングにインスパイアされた機能融合アプローチである第1のフレームワークは99.3%の検知率を実現し、高精度な設定が不可欠である。 第2のフレームワークでは、ビットプレーンスライシングに基づく新しい画像処理アルゴリズムを採用し、92.31%の精度を提供し、高速な推論を必要とする環境に最適化されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work proposes an integrated pipeline for automatic glaucoma detection method from easily available colour fundas images based on an adaptive algorithm for ellipse-based polar transformation, to enhance the analysis of the Retinal Nerve Fiber Layer (RNFL) as the primary biomarker for observing glaucomatous changes, regardless of optic disc and macula position. Utilizing this transformation, we introduce two distinct frameworks tailored to different operational needs. The first framework, a deep learning-inspired feature fusion approach, achieves a 99.3% detection rate, ideal for settings where high precision is essential, despite higher computational demands. The second framework employs a novel image-processing algorithm based on bit-plane slicing, offering 92.31% accuracy and optimized for environments requiring rapid inference with minimal resource consumption. Both frameworks provide scalable and cost-effective solutions for early glaucoma detection. This study highlights the potential of RNFL-based diagnostic tools in addressing the global challenge of glaucoma, particularly in underserved regions.
• Abstract（参考訳）: 本研究は,光ディスクや黄斑の位置に関わらず,視神経線維層(RNFL)を視線の変化を観察するための一次バイオマーカーとして用いた,楕円型極性変換の適応アルゴリズムに基づく手軽な色相画像からの緑内障検出のための統合パイプラインを提案する。 この変換を利用することで、異なる運用ニーズに合わせた2つの異なるフレームワークを導入します。 ディープラーニングに触発された機能融合アプローチである第1のフレームワークは99.3%の検知率を実現し、高い計算要求にもかかわらず高精度な設定が不可欠である。 第2のフレームワークでは、ビットプレーンスライシングに基づく新しい画像処理アルゴリズムを採用し、92.31%の精度を提供し、リソース消費を最小限に抑えた高速な推論を必要とする環境に最適化されている。 どちらのフレームワークも、早期緑内障検出のためのスケーラブルで費用対効果の高いソリューションを提供する。 本研究は, 緑内障の世界的な課題に対処するRAFベースの診断ツールの可能性を明らかにするものである。

関連論文リスト

• Enhancing MRI Brain Tumor Edge Detection: A Hybrid Preprocessing Approach Utilizing CLAHE [0.0]
  磁気共鳴画像(MRI)における脳腫瘍の正確な境界線決定は重要な課題である。 従来のエッジ検出アルゴリズムは計算的に軽量で数学的に解釈可能であるが、しばしば浮腫の局所的境界の拡散を捉えることに失敗する。 これらの制限を克服するために,ハイブリッドなエッジ検出パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-08-27T22:30:32Z)
• Dual-Modality Computational Ophthalmic Imaging with Deep Learning and Coaxial Optical Design [6.979642495062275]
  本研究は, 底面撮影と屈折誤差検出を統合プラットフォームに統合した, コンパクトでデュアルファンクションな光学デバイスを提案する。 提案されたフレームワークは、特にコミュニティの健康設定に適した、迅速でインテリジェントでスケーラブルな眼科検診のための有望なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-04-13T05:35:17Z)
• DeepEyeNet: Adaptive Genetic Bayesian Algorithm Based Hybrid ConvNeXtTiny Framework For Multi-Feature Glaucoma Eye Diagnosis [0.0]
  緑内障は世界中で不可逆的な盲目の原因となっている。 本稿では網膜基底像を用いた緑内障自動検出フレームワークDeepEyeNetを提案する。
  論文  参考訳（メタデータ） (2025-01-19T21:03:36Z)
• Deep intra-operative illumination calibration of hyperspectral cameras [73.08443963791343]
  ハイパースペクトルイメージング (HSI) は, 様々な手術応用に期待できる新しい画像モダリティとして出現している。 手術室における照明条件の動的変化がHSIアプリケーションの性能に劇的な影響を及ぼすことを示す。 手術中におけるハイパースペクトル画像の自動再構成のための新しい学習ベースアプローチを提案する。
  論文  参考訳（メタデータ） (2024-09-11T08:30:03Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging [3.093890460224435]
  本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。 我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。
  論文  参考訳（メタデータ） (2024-03-08T22:25:15Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution and Matcher Fusion [69.53542497693086]
  局所像パッチの固有変換に基づいて虹彩画像の再構成に用いる超解像アルゴリズムの評価を行った。 コントラストの強化は再現性を向上させるのに用いられ、マーカ融合は虹彩認識性能を改善するために採用されている。
  論文  参考訳（メタデータ） (2022-10-18T11:25:19Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
  緑内障は世界の視覚障害の主要な原因の1つである。 生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。 特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
  論文  参考訳（メタデータ） (2021-06-25T10:53:01Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Regression and Learning with Pixel-wise Attention for Retinal Fundus Glaucoma Segmentation and Detection [3.7687214264740994]
  緑内障検出のための深層学習に基づく2つの自動アルゴリズムと光ディスクとカップセグメンテーションを提案する。 我々は、注意機構を利用して、正確な予測のためにピクセルワイドな特徴を学習する。
  論文  参考訳（メタデータ） (2020-01-06T23:54:27Z)

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。