抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
技術および計算能力の進歩により,最先端のCNNアーキテクチャによる網膜損傷の同定は,スピードおよび正確な診断につながり,従って,さらなる疾患発生を阻害する。本研究では,光コヒーレンストモグラフィー(OCT)画像における脈絡膜血管新生(CNV),糖尿病性黄斑浮腫(DME),DRUSEN,およびNORMALの検出によって引き起こされる網膜損傷の分類に焦点を当てた。実験の強調は,ニューラルネットワークアーキテクチャにおける深さの成分を調査することである。浅い畳み込みニューラルネットワーク-LightOCTを導入し,LVCELの最低値と最高精度(各クラスで+98%)で,他の深いモデル構成を凌駕した。次に,光OCTのための最良適合最適化器を見つける実験を行った。結果は,光OCTとAdamの組合せが,最も最適な結果を与えることを証明した。最後に,本手法を転送学習モデルと比較し,LightOCTは計算コスト,最小訓練時間に関して最先端のモデルよりも優れ,精度の基準において同等の結果を与える。訓練時間と精度の間のトレードオフが低減するような浅いモデルによる精度計量を改善するために,将来の研究を指示する。【JST・京大機械翻訳】