文献

J-GLOBAL ID：202102261198632862   整理番号：21A0540504

深層特徴抽出と古典的機械学習アプローチによる糖尿病性網膜症の分類【JST・京大機械翻訳】

Classification of Diabetic Retinopathy through Deep Feature Extraction and Classic Machine Learning Approach

著者 (4件)： Paradisa Radifa Hilya (Universitas Indonesia Depok,Faculty of Mathematics and Natural Science,Department of Mathematics,Indonesia) ,  Sarwinda Devvi (Universitas Indonesia Depok,Faculty of Mathematics and Natural Science,Department of Mathematics,Indonesia) ,  Bustamam Alhadi (Universitas Indonesia Depok,Faculty of Mathematics and Natural Science,Department of Mathematics,Indonesia) ,  Argyadiva Terry (Universitas Indonesia Depok,Faculty of Mathematics and Natural Science,Department of Mathematics,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOIACT  ページ： 377-381  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： 糖尿病性網膜障害(DR)は,糖尿病の合併症であり,労働年齢成人における視覚損失の主な原因である。眼科医はカラー眼底画像を調べることによりDRの診断を行うことができる。しかし,眼底画像解析プロセスは長時間を要する。DRの自動検出は挑戦的なタスクである。深層学習アプローチの1つ,畳込みニューラルネットワーク(CNN)は,画像分類タスクにおいて効率的である。本研究では,特徴抽出と分類として,CNNアーキテクチャを用いた。また,特徴抽出段階におけるResNet-50特徴出力を,サポートベクトルマシン(SVM),ランダムフォレスト(RF),k-最近傍(k-NN),および極端勾配ブースティング(XGBoost)のような機械学習分類器の入力として使用した。モデルはDIARETDBIデータセットからの基底画像を用いて動作する。データ増強と前処理を,画像認識におけるモデルを容易にするために,本研究で提案した。各分類器の性能を,精度,感度,および特異性に基づいて評価した。SVM分類器は,80:20データセット構成における精度と感度に対して99%を達成した。k-NN分類器は,100%の同じデータセットの設計に対して最高の特異性を得た。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： 視覚 ,  *特徴抽出 ,  *糖尿病 ,  計算機アーキテクチャ ,  合併症 ,  *糖尿病性網膜症 ,  *機械学習 ,  サポートベクトルマシン ,  画像認識
準シソーラス用語： 画像分類 ,  眼底写真 ,  ランダムフォレスト ,  深層学習 ,  SVM分類 ,  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)： 深層 ,  特徴抽出 ,  機械学習 ,  糖尿病性網膜症 ,  分類