文献

J-GLOBAL ID：202002248004741224   整理番号：20A0137373

眼科学における埋め込み深部学習:眼科画像よりスマートになる【JST・京大機械翻訳】

Embedded deep learning in ophthalmology: making ophthalmic imaging smarter

著者 (11件)： Teikari Petteri (Visual Neurosciences Group, Singapore Eye Research Institute, Singapore) ,  Teikari Petteri (Advanced Ocular Imaging, Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore) ,  Najjar Raymond P. (Visual Neurosciences Group, Singapore Eye Research Institute, Singapore) ,  Najjar Raymond P. (Ophthalmology and Visual Sciences Academic Clinical Program, Duke-NUS Medical School, National University of Singapore, Singapore) ,  Schmetterer Leopold (Visual Neurosciences Group, Singapore Eye Research Institute, Singapore) ,  Schmetterer Leopold (Advanced Ocular Imaging, Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore) ,  Schmetterer Leopold (Center for Medical Physics and Biomedical Engineering, Medical University of Vienna, Vienna, Austria) ,  Schmetterer Leopold (Christian Doppler Laboratory for Ocular and Dermal Effects of Thiomers, Medical University of Vienna, Vienna, Austria) ,  Milea Dan (Visual Neurosciences Group, Singapore Eye Research Institute, Singapore) ,  Milea Dan (Ophthalmology and Visual Sciences Academic Clinical Program, Duke-NUS Medical School, National University of Singapore, Singapore) ,  Milea Dan (Neuro-Ophthalmology Department, Singapore National Eye Centre, Singapore)
資料名： Therapeutic Advances in Ophthalmology  (Therapeutic Advances in Ophthalmology)
巻： 11  ページ： 2515841419827172  発行年： 2019年 
JST資料番号： W5411A  ISSN： 2515-8414  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い学習は,診断および予後に対する臨床的に有意な特徴を検出する能力のため,眼科学において最近高い関心を集めている。これらの有意な進歩にもかかわらず,自動画像取得を可能にする,眼画像装置内に埋め込まれる様々な深い学習システムの能力についてはほとんど知られていない。本研究では,人間のオペレータによる介入の少ない高品質画像として,「能動的な獲得」埋め込み深い学習のための既存および将来の方向をレビューする。臨床診療において,改善された画質は,よりロバストな深い学習に基づく臨床診断に翻訳されるべきである。埋め込まれた深い学習は,低コストでハードウェア性能を絶えず改善することにより可能になる。著者らは,より大きな臨床システムにおける可能な計算方法を簡潔にレビューする。簡単に,それらは,エッジ,霧,およびクラウド層から成る三層フレームワークに含まれ,前者はデバイスレベルで実行される。「アクティブ取得」による改善されたeg層性能は,電子健康記録におけるより良い品質データに変換する自動データカーレーション演算子として,また,クラウド層に関しても,改良された深い学習ベースの臨床データマイニングのために役に立つ。Copyright The Author(s), 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 人工知能 ,  ハードウェア ,  *学習 ,  *眼科学 ,  電子カルテ ,  予後 ,  品質 ,  画質 ,  オペレータ ,  医療機器 ,  データマイニング ,  ロバスト性 ,  病歴
準シソーラス用語： 臨床診断 ,  高品質 ,  画像入力 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  深層学習 ,  組込みデバイス ,  医療機器 ,  眼科機器 ,  眼科

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 (5件)： 眼科学 ,  埋め込み ,  深部 ,  学習 ,  眼科