文献

J-GLOBAL ID：201802232474173971   整理番号：18A1934396

深部学習を用いた網膜眼底画像からの緑内障解析のための興味局在化領域【JST・京大機械翻訳】

The region of interest localization for glaucoma analysis from retinal fundus image using deep learning

著者 (7件)： Mitra Anirban (Department of Computer Science and Engineering, Calcutta University Technology Campus, JD-2, Sector-III, Salt Lake, Kolkata 700098, India) ,  Mitra Anirban (Department of Computer Science and Engineering, Academy of Technology, Adisaptagram 712121, West Bengal, India) ,  Banerjee Priya Shankar (Department of Computer Science and Engineering, Academy of Technology, Adisaptagram 712121, West Bengal, India) ,  Roy Sudipta (Department of Computer Science and Engineering, Calcutta University Technology Campus, JD-2, Sector-III, Salt Lake, Kolkata 700098, India) ,  Roy Sudipta (Mallinckrodt Institute of Radiology Department (MIR), Washington University School of Medicine, Campus Box 8225, 510 South Kingshighway Boulevard, Saint Louis, MO 63110-1076, USA) ,  Roy Somasis (Department of Computer Science and Engineering, Calcutta University Technology Campus, JD-2, Sector-III, Salt Lake, Kolkata 700098, India) ,  Setua Sanjit Kumar (Department of Computer Science and Engineering, Calcutta University Technology Campus, JD-2, Sector-III, Salt Lake, Kolkata 700098, India)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 165  ページ： 25-35  発行年： 2018年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 緑内障や糖尿病性網膜症などの眼関連疾患の早期発見のための不可欠な分析法として,手動介入を伴わない網膜眼底画像解析が増加している。網膜画像からのGlau昏睡といくつかの他の疾患の分析と検出のために,干渉(ROI)の領域として作用するOptic Disc(OD)の境界ボックス座標を予測することの重要な役割がある。クラス確率を含む画像ピクセル値からROI座標への孤立回帰予測としてROI検出を再構成した。Convolution Neural Network(CNN)は,それらの類似の確率と信頼性スコアに沿って境界ボックスを予測するために,完全な画像に関して訓練された。公開できるMESSIDORとKagleデータセットを用いてネットワークを訓練した。このネットワークが雑音に敏感でなくなるように,データセットを増幅するために種々のデータ拡張技術を採用した。非常に高レベルの視点から,あらゆる画像を13×13グリッドに分割した。あらゆる格子セルは,対応するクラス確率と信頼性スコアに沿って5つの境界ボックスを想定する。訓練の前に,ネットワークと境界ボックスの事前またはアンカーを,地上真実境界ボックス上の連合(IOU)の区間に基づく距離計量を用いて,元のデータセット上でk-平均クラスタ化を用いて初期化した。実際に訓練中に,和二乗損失関数を予測誤差関数として用いた。最後に,非最大抑制を提案方法論により適用し,結論予測に到達した。以下の投影法は,ROI検出のためのKagleとMESSIDOR試験セットにおいて,99.05%と98.78%の精度を達成した。提案した方法論の結果は,提案したネットワークが25msの待ち時間において0.0045sにおいて眼底画像においてROIを知覚できることを示し,これはリント時間よりはるかに良く,手craの特徴を用いない。このネットワークは,任意のタイプの画像に向けてバイアスされることなく,低品質画像でも正確な結果を予測する。ネットワークは,現場での過去の研究よりも,より要約された表現を見るために準備された。結果によって,著者らの新規方法は,より速くて信頼できる方法において将来における眼疾患のより良い診断を持った。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *緑内障 ,  信頼性 ,  距離計 ,  ネットワーク ,  品質 ,  雑音 ,  クラスタ化 ,  予測 ,  再構成 ,  *学習 ,  *網膜 ,  位置決め ,  待ち時間 ,  *画像
準シソーラス用語： スコア , 【Automatic Indexing@JST】

著者キーワード (8件)： 光ディスク位置決め ,  アンカーボックス ,  k平均クラスタ化 ,  組合上の交差点 ,  畳込みニューラルネットワーク ,  バッチ正規化 ,  漏れRelu Maxプーリング ,  非最大抑制

分類 (2件)： 医用画像処理  (JE04020T) ,  眼の診断  (GP02000N)

タイトルに関連する用語 (8件)： 深部 ,  学習 ,  網膜 ,  眼底画像 ,  緑内障 ,  解析 ,  興味 ,  局在化