文献

J-GLOBAL ID：201802252594591333   整理番号：18A2023780

完全畳込みニューラルネットワークと補助コードブックを用いた滲出物セグメンテーション【JST・京大機械翻訳】

Exudates Segmentation using Fully Convolutional Neural Network and Auxiliary Codebook

著者 (5件)： Chudzik Piotr (Department of Computer Science, University of Lincoln, Lincoln, LN6 7TS, UK) ,  Al-Diri Bashir (Department of Computer Science, University of Lincoln, Lincoln, LN6 7TS, UK) ,  Caliva Francesco (Department of Computer Science, University of Lincoln, Lincoln, LN6 7TS, UK) ,  Ometto Giovanni (Division of Optometry and Visual Science, University of London, EC1V 0HB, London) ,  Hunter Andrew (Department of Computer Science, University of Lincoln, Lincoln, LN6 7TS, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 770-773  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 糖尿病性網膜症(DR)は,糖尿病の漸近的合併症であり,労働年齢集団における予防可能な失明の主要原因である。DRの早期検出と治療は,視力損失を避けるために重要である。浸出液はDRの最も早く最も一般的な徴候の1つである。本研究では,眼底写真における浸出液の検出とセグメンテーションのための新しい二段階法を提案した。最初の段階において,完全畳込みニューラルネットワークアーキテクチャを,小画像パッチを用いて浸出液をセグメント化するために訓練した。次に,補助コードブックを,増分主成分分析を用いて,ネットワークの中間層出力から構築した。最後に,両システムの出力を組合せて最終結果を生成した。他の方法と比較して,提案したアルゴリズムは,候補領域の計算や他の解剖学的構造の除去を必要としない。さらに,システムの性能を改善するために,伝達学習アプローチを適用した。提案した方法を公開可能なE-Ophthaデータセットを用いて評価した。それは,感度と特異性計量に関して最先端の方法より良い結果を達成した。提案した方法は,スクリーニング目的に対するその適用性を示す病気///非罹患評価シナリオを用いて,より良い結果を達成した。提案した方法の単純性,性能,効率およびロバスト性は,糖尿病性網膜症スクリーニング応用に対するその適合性を示す。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視力 ,  *ネットワーク ,  主成分分析 ,  糖尿病 ,  ロバスト性 ,  学習 ,  *畳込み ,  スクリーニング ,  アルゴリズム ,  *セグメンテーション ,  画像
準シソーラス用語： 特異性 ,  中間層 ,  眼底写真 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  補助コード ,  ブック ,  滲出物 ,  セグメンテーション