文献

J-GLOBAL ID：202102281606820952   整理番号：21A0445422

ハイブリッド深層学習モデルに基づく糖尿病性網膜症分類【JST・京大機械翻訳】

Diabetic Retinopathy Grading Based on a Hybrid Deep Learning Model

著者 (3件)： AbdelMaksoud Eman (Mansoura University,Faculty of Computers and Information,Information Systems Dept,Mansoura) ,  Barakat Sherif (Mansoura University,Faculty of Computers and Information,Information Systems Dept,Mansoura) ,  Elmogy Mohammed (Mansoura University,Faculty of Computers and Information,Information Technology Dept,Mansoura,P.O.35516)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICDABI  ページ： 1-6  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： 糖尿病性網膜症(DR)は,適応なしで突然の失明を引き起こす危険な疾患である。したがって,早期から重症段階までの疾患の進行を連続スクリーニングし,監査する必要がある。自然により,カラー眼底画像は,異なるDRグレードを診断することにつながる多くの病変型を促進する可能性がある。この点で,深い学習は,特にマルチラベル(ML)分類において,医用画像解析において大きな成功を達成した。本論文では,E-DenseNetモデルと呼ばれる異なるDRグレードを診断するための,新しいハイブリッド,深層学習技術を提示した。提案技法は,転送学習を用いたEyeNetと高密度Netのハイブリッドモデルである。EyeNetと組込み高密度ブロックをカスタマイズした2つのモデルを組み合わせる利点を得た。E-DenseNetによる提案したコンピュータ支援診断(CAD)システムは,最小訓練時間と記憶空間で正確に種々のML色眼底画像から異なるDR等級(正常,軽度,中等度,重度,および増殖性DR(PDR))を診断することができる。提案したCADシステムは,2つのベンチマークデータセットから異なるDRグレードを診断する有望な結果を与える。提案したシステムは,平均精度(ACC)が91.6%,Dice類似性係数(DSC)が92.45%,Kappaスコアが0.883に等しいことを示した。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： *学習 ,  計算機診断 ,  類似性 ,  ベンチマーク ,  スクリーニング ,  糖尿病性網膜症 ,  カスタム化
準シソーラス用語： 眼底写真 ,  CADシステム ,  ハイブリッドモデル ,  医用画像解析 ,  *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 (4件)： 深層学習 ,  モデル ,  糖尿病性網膜症 ,  分類