LightOCT:網膜疾患検出の深さの調査【JST・京大機械翻訳】

Kaur, A.; Singh, V.; Chakraverty, G.; Sethi, D.

プレプリント

J-GLOBAL ID：202202209653470682 整理番号：21P0286431

LightOCT:網膜疾患検出の深さの調査【JST・京大機械翻訳】

LightOCT: Exploring the depth for Retinal disease detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年01月12日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

眼の診断

前のページに戻る