論文の概要: ORViT-DR: Ordinally-Robust Hybrid ViT for Low-Resolution Diabetic Retinopathy Grading

• arxiv url: http://arxiv.org/abs/2608.16958v1
• Date: Sun, 16 Aug 2026 16:35:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.074962
• Title: ORViT-DR: Ordinally-Robust Hybrid ViT for Low-Resolution Diabetic Retinopathy Grading
• Title（参考訳）: ORViT-DR:低分解能糖尿病網膜症に対する常用ロバストハイブリッドVT
• Abstract要約: ハイブリッドディープラーニングフレームワークORViT-DRは、低解像度網膜画像からグレードする糖尿病網膜症を改善するために設計された。 提案手法は、畳み込み特徴抽出と変換器に基づくグローバルコンテキストモデリングを組み合わせたものである。 トレーニング戦略では、プログレッシブ層凍結、レイヤ単位の学習速度の減衰、指数移動平均(EMA)パラメータの更新、アンサンブルベースの予測が適用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic retinopathy (DR) is one of the main causes of impaired vision. A good and reliable automated grading system can make the screening process safer and more accurate. Because DR stages progress gradually, the task of grading disease severity naturally follows an ordinal structure in which neighboring classes share similar visual characteristics. In this study, ORViT-DR, a hybrid deep learning framework, is designed to improve DR grading from low-resolution retinal images. The proposed approach combines convolutional feature extraction with transformer-based global context modeling through a pre-trained ViT-Hybrid backbone, which integrates BiT-ResNetv2 with a Vision Transformer architecture. The approach is tested on the RetinaMNIST subset of the MedMNISTv2 dataset, which contains 28x28 retinal fundus images annotated with five levels of disease severity. To promote stable training and better feature learning, the training strategy applies progressive layer unfreezing, layer-wise learning rate decay, exponential moving average (EMA) parameter updates, and ensemble-based prediction during inference. Experimental results on the official RetinaMNIST test set show that the proposed method achieves 57.00% classification accuracy, along with a quadratic weighted kappa score of 0.5963 and a macro-F1 score of 0.4293. These results suggest that hybrid CNN-Transformer architectures can provide effective representations for ordinal retinal image analysis.
• Abstract（参考訳）: 糖尿病網膜症(DR)は視覚障害の主な原因の一つである。 良質で信頼性の高い自動階調システムにより、スクリーニングプロセスの安全性と精度が向上する。 DRステージは徐々に進行するので、病気の重症度を低下させるタスクは、近隣のクラスが類似した視覚的特徴を共有する順序構造に自然に従う。 本研究では、低解像度網膜画像からのDRグレーディングを改善するために、ハイブリッドディープラーニングフレームワークORViT-DRを設計した。 提案手法は, BiT-ResNetv2 と Vision Transformer アーキテクチャを統合した, 事前学習した ViT-Hybrid バックボーンによる畳み込み特徴抽出と, トランスフォーマーに基づくグローバルコンテキストモデリングを組み合わせたものである。 このアプローチは、MedMNISTv2データセットのRetinaMNISTサブセットでテストされている。 安定したトレーニングと優れた機能学習を促進するため、トレーニング戦略では、進行層凍結、階層単位の学習速度の減衰、指数移動平均(EMA)パラメータの更新、推論中のアンサンブルに基づく予測を適用している。 The official RetinaMNIST test set on the experimental results on the official RetinaMNIST showed that the proposed method achieved 57.00% classification accuracy, with a quadratic weighted kappa score of 0.5963 and a macro-F1 score of 0.4293。 これらの結果から,ハイブリッドCNN-Transformerアーキテクチャは網膜画像解析に有効な表現を提供する可能性が示唆された。

関連論文リスト

• Robust Diabetic Retinopathy Grading Using Dual-Resolution Attention-Based Deep Learning with Ordinal Regression [0.0]
  本研究は糖尿病網膜症診断のための頑健なデュアルレゾリューション深層学習フレームワークを提案する。 注意に基づく特徴融合と順序回帰を統合し、データセット間の一般化を改善する。 実験の結果, APTOS検証セットでは0.88の2次重み付きカッパ(QWK), 見えないMessidor-2データセットでは0.68の2次重み付きカッパ(QWK)が達成された。
  論文  参考訳（メタデータ） (2026-04-19T09:27:37Z)
• Synthetic Vasculature and Pathology Enhance Vision-Language Model Reasoning [39.96133625333846]
  本稿では,SVR(Synthetic Vasculature Reasoning)について紹介する。 これに基づいて10万対のOCTAイメージ推論データセットであるOCTA-100K-SVRをキュレートする。 実験により,データセット上で訓練された汎用VLMは,実際のOCTA画像に対して89.67%のゼロショットバランスの分類精度が得られることがわかった。
  論文  参考訳（メタデータ） (2025-12-11T19:19:39Z)
• A Hybrid Framework Bridging CNN and ViT based on Theory of Evidence for Diabetic Retinopathy Grading [31.032002367721947]
  糖尿病網膜症(DR)は中高年者における視覚障害の主要な原因である。 畳み込みニューラルネットワーク(CNN)や視覚変換器(ViT)をベースとした様々な自動DR診断システムが最近確立されている。
  論文  参考訳（メタデータ） (2025-10-30T10:08:06Z)
• Parameterized Diffusion Optimization enabled Autoregressive Ordinal Regression for Diabetic Retinopathy Grading [53.11883409422728]
  本研究は, AOR-DRと呼ばれる新しい自己回帰的順序回帰法を提案する。 我々は,糖尿病網膜症分類タスクを,前ステップの予測と抽出画像の特徴を融合させることにより,一連の順序段階に分解する。 拡散過程を利用して条件付き確率モデリングを行い、連続的グローバルな画像特徴を自己回帰に利用できるようにする。
  論文  参考訳（メタデータ） (2025-07-07T13:22:35Z)
• Integrating Non-Linear Radon Transformation for Diabetic Retinopathy Grading [0.08192907805418582]
  糖尿病網膜症は深刻な眼合併症であり、患者の視力や全体的な健康に重大な脅威をもたらす。 現在の自動階調法は網膜基底画像に適用された深層学習に大きく依存している。 本研究では,非線形なRadEx変換シングラム画像と従来のファマス画像を統合する多表現ディープラーニングフレームワークであるRadFuseを紹介する。
  論文  参考訳（メタデータ） (2025-04-22T13:27:28Z)
• Enhancing DR Classification with Swin Transformer and Shifted Window Attention [9.99302279736049]
  糖尿病網膜症 (DR) は, 早期発見の重要性を浮き彫りにしている。 画像トリミング、コントラスト制限適応ヒストグラム等化(CLAHE)、およびモデル一般化とレジリエンスを改善するためのターゲットデータ拡張を組み込んだ頑健な前処理パイプラインを提案する。 我々は,多クラスDR分類のためのAptosデータセットとIDRiDデータセットを用いて,精度89.65%,精度97.40%を実現した。
  論文  参考訳（メタデータ） (2025-04-20T13:23:20Z)
• FundusGAN: A Hierarchical Feature-Aware Generative Framework for High-Fidelity Fundus Image Generation [35.46876389599076]
  FundusGANは、高忠実度ファンドス画像合成用に特別に設計された新しい階層的特徴認識生成フレームワークである。 我々は、FundusGANが複数のメトリクスにわたって最先端のメソッドを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-03-22T18:08:07Z)
• Fine-tuning Vision Language Models with Graph-based Knowledge for Explainable Medical Image Analysis [44.0659716298839]
  現在の糖尿病網膜症(DR)のステージングモデルはほとんど解釈できない。 本稿では,グラフ表現学習を視覚言語モデル(VLM)と統合し,説明可能なDR診断を実現する手法を提案する。
  論文  参考訳（メタデータ） (2025-03-12T20:19:07Z)
• A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging [36.95712533471744]
  各種条件に適応可能な汎用仮想染色フレームワークを提案する。 そこで本研究では,異なる病態間の仮想色付けの精度を確保するために,値マッピング制約に基づく損失関数を提案する。
  論文  参考訳（メタデータ） (2025-01-07T07:45:21Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• FunOTTA: On-the-Fly Adaptation on Cross-Domain Fundus Image via Stable Test-time Training [40.728092407170756]
  本研究では,FunOTTA(Fundus On-the-fly Test-Time Adaptation)フレームワークを提案する。 FunOTTAは、有害な事前知識バイアスを最小限に抑えつつ、メモリバンク内でダイナミックな曖昧さを実行することで、安定した適応プロセスにおいて際立っている。 2つの疾患にまたがるクロスドメイン・ファンドス画像ベンチマークの実験は、全体的なフレームワークの優位性を示している。
  論文  参考訳（メタデータ） (2024-07-05T10:06:55Z)
• An Ensemble Method to Automatically Grade Diabetic Retinopathy with Optical Coherence Tomography Angiography Images [4.640835690336653]
  糖尿病網膜症解析チャレンジ(DRAC)2022から得られる糖尿病網膜症(DR)画像を自動的に評価するアンサンブル法を提案する。 まず、最先端の分類ネットワークを採用し、利用可能なデータセットの異なる分割でUW-OCTA画像のグレードをトレーニングする。 最終的に、25のモデルを取得し、そのうち上位16のモデルを選択し、アンサンブルして最終的な予測を生成する。
  論文  参考訳（メタデータ） (2022-12-12T22:06:47Z)
• RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
  緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
  論文  参考訳（メタデータ） (2020-10-15T03:09:08Z)
• 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。