文献

J-GLOBAL ID：202102235601051431   整理番号：21A0065017

網膜症病変を抽出するための多モード網膜スキャンを横切る深層学習システムの伝達性の利用【JST・京大機械翻訳】

Exploiting the Transferability of Deep Learning Systems Across Multi-modal Retinal Scans for Extracting Retinopathy Lesions

著者 (3件)： Hassan Taimur (Khalifa University,Department of Electrical Engineering and Computer Sciences,Abu Dhabi,United Arab Emirates) ,  Akram Muhammad Usman (National University of Sciences and Technology,Department of Computer and Software Engineering,Islamabad,Pakistan) ,  Werghi Naoufel (Khalifa University,Department of Electrical Engineering and Computer Sciences,Abu Dhabi,United Arab Emirates)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBE  ページ： 577-581  発行年： 2020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： 網膜病変は網膜異常の正確な分類において重要な役割を果たす。多くの研究者は,網膜症の進行を分析し,グレード化する,深い病変意識スクリーニングシステムを提案している。しかし,著者らの知る限りでは,文献は,複数のスキャナ仕様とマルチモーダル画像にわたって一般化するこれらのシステムの傾向を利用していない。この目的に向けて,本報告は,融合眼底および光干渉断層撮影(OCT)画像から,網膜内液,網膜下液,硬滲出液,drusenおよびその他の絨毛網膜異常のような網膜病変を抽出するための,意味的セグメンテーション,情景構文解析,およびハイブリッド深層学習システムの詳細な評価を提示する。さらに,著者らは,多重網膜スキャナ仕様を通してこれらのモデルの伝達性を利用する新規戦略を提示した。7つの公的に利用可能なデータセットからの合計363の眼底と173,915のOCTスキャンを,本研究で使用した(297の眼底と59,593のOCTスキャンを試験目的に使用した)。全体として,ハイブリッド網膜分析とグレーディングネットワーク(RAGNet)は,ResNet50を通してバックボーン化し,網膜病変を抽出するため,最初に,0.822の平均ジセ係数スコアを達成した。さらに,完全なソースコードとその文書化をhttp://biomisa.org/index.php/downloads/で解放した。Copyright 2021 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： *網膜 ,  セグメンテーション ,  構文分析 ,  多重化 ,  絨毛 ,  走査装置 ,  眼底 ,  *多モード ,  *網膜症 ,  滲出液
準シソーラス用語： 光コヒーレンストモグラフィー ,  ソースコード ,  マルチモダリティー画像 ,  *深層学習 , 【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 (6件)： 網膜症 ,  病変 ,  多モード ,  網膜 ,  スキャン ,  深層学習