文献

J-GLOBAL ID：202002242845159233   整理番号：20A0818922

大規模CNN特徴による糖尿病網膜症画像上のミニ病変検出【JST・京大機械翻訳】

Mini Lesions Detection on Diabetic Retinopathy Images via Large Scale CNN Features

著者 (5件)： Chen Qilei (The University of Massachusetts Lowell) ,  Sun Xinzi (The University of Massachusetts Lowell) ,  Zhang Ning (The University of Massachusetts Lowell) ,  Cao Yu (The University of Massachusetts Lowell) ,  Liu Benyuan (The University of Massachusetts Lowell)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICTAI  ページ： 348-352  発行年： 2019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,眼に影響を及ぼす糖尿病合併症である。DRは労働年齢者における失明の主要原因であり,糖尿病の3~400万人が世界中で毎年DRによりブラインド化されていると推定されている。早期診断はこのような問題を緩和する有効な方法と考えられている。著者らの研究の究極の目標は,自動DR診断のための眼底カメラによって生成されたDR画像を分析するための新しい機械学習技術を開発することである。本論文では,DR眼底画像上の小病変の同定に焦点を当てた。画像における病変カテゴリーとそれらの正確な位置を含む著者らの解析からの結果は,DR重症度(DRステージによって示される)の決定を容易にするために使用することができる。自然画像に対する従来の物体検出と異なり,眼底画像に対する病変検出はユニークな課題を有する。特に,病変例の大きさは,通常,基底画像の元の分解能と比較して非常に小さく,それらを検出することができる。著者らは,注意深くlev画像スケールを分析して,ミニ病変インスタンス検出のためにより多くの画像詳細を保存するために,大規模特徴ピラミッドネットワーク(LFPN)を提案した。この方法は,感度を向上させるための効果的な領域提案戦略を含んでいる。実験結果は,著者らの提案した方法がオリジナルの特徴ピラミッドネットワーク(FPN)方式とFasterRCNNより優れていることを示した。Copyright 2020 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： *糖尿病性網膜症 ,  分解能 ,  基底 ,  早期診断 ,  *糖尿病 ,  眼底カメラ
準シソーラス用語： 眼底写真 ,  糖尿病合併症 , 【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 (4件)： 大規模 ,  CNN ,  糖尿病網膜症 ,  病変