文献

J-GLOBAL ID：202202210848986990   整理番号：22A0443348

可変重みを持つ深層学習-CNNベース修正グレー-Wolf最適化器を用いたDR-DME分類の結合【JST・京大機械翻訳】

Joint DR-DME classification using deep learning-CNN based modified grey-wolf optimizer with variable weights

著者 (2件)： Purna Chandra Reddy V. (Department of Electronics and Communication Engineering, NIT Andhra Pradesh, Tadepalligudem, Andhra Pradesh, India) ,  Gurrala Kiran Kumar (Department of Electronics and Communication Engineering, NIT Andhra Pradesh, Tadepalligudem, Andhra Pradesh, India)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 73  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,網膜基底画像におけるDRの早期徴候を同定することにより,糖尿病性網膜症および糖尿病性黄斑浮腫のスクリーニングにおける眼科医を支援するためのコンピュータベースの診断システムを開発した。本研究の主目的は,DLCNN-MGWO-VWと呼ばれる可変重みを有するハイブリッド深層学習畳込みニューラルネットワークベース修正灰色-Wolf最適化器を用いて,そのクラスの重症度によってDRを検出し,等級付けすることである。最初に,ResNet50を用いてDRとDME疾患の併用特徴を抽出した。次に,疾患特異的注意モジュールを用いて,疾患特異的特徴を抽出し,2つの考えられる疾患の基本的特徴を区別した。これらのデータを,それぞれDRとDMEから個々の疾患特異的特徴の最適選択のためにMGWO-VWに供給した。最後に,疾患依存性の注意モジュールを用いて,DRとDMEの関節検出と分類にそれぞれ用いられる疾患依存特徴の助けで,2つの疾患の間の正確な内部関係を同定した。シミュレーションは,DRセグメンテーションと等級付けサブチャレンジ-2に関するISBI-2018チャレンジに従って,公的に利用可能なIDRiDデータセット上で実行され,そこでは,提案したハイブリッドDLCNN-MGWO-VWアーキテクチャは,文献からの最先端の手法と比較して,DRとDMEを等級付けするための全体性能を同時に最大化する。提案したDLCNN-MGWO-VW法は,DR,DME,および関節DR-DMEの検出と分類に対して,それぞれ,96.0%,93.2%,および92.23%の精度率で,すべてのISBI-2018サブチャレンジ-2チームを凌駕した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  網膜 ,  セグメンテーション ,  基底 ,  等級づけ ,  計算機アーキテクチャ ,  糖尿病性網膜症 ,  コンピュータ
準シソーラス用語： 診断システム ,  眼科医 ,  糖尿病黄斑浮腫 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 糖尿病性網膜症 ,  糖尿病黄斑浮腫 ,  深層学習 ,  畳込みニューラルネットワーク ,  Grey-Wolf最適化 ,  IDRIDデータセット

分類 (2件)： 眼の診断  (GP02000N) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 可変 ,  深層学習 ,  CNN ,  最適化 ,  DME ,  分類