文献

J-GLOBAL ID：202202222581133895   整理番号：22A0839266

深部網膜画像診断における修正CNNを用いた網膜血管屈曲度の自動分類【JST・京大機械翻訳】

Automatic grading of retinal blood vessel tortuosity using Modified CNN in deep retinal image diagnosis

著者 (4件)： Maji Debasis (Department of Electrical Engineering, Haldia Institute of Technology, India) ,  Maiti Souvik (Department of Electrical Engineering, Jadavpur University, Kolkata 700032, India) ,  Dhara Ashis Kumar (Department of Electrical Engineering, National Institute of Technology, Durgapur, West Bengal 713209, India) ,  Sarkar Gautam (Department of Electrical Engineering, Jadavpur University, Kolkata 700032, India)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 74  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： 糖尿病に罹患する患者の数は,1980年の10億8百万から2014年の422百万秒まで,ほぼ4回,ショットアップした。糖尿病性網膜障害(DR)は糖尿病の長期効果であり,臨床治療が時間に対して効果的に治療されないならば,視覚の不可逆的な損失につながる可能性がある。網膜眼底画像を調べることにより,網膜基底画像を調べることにより,疾患はよく診断される可能性がある。しかし,これらの画像が,光のような特定の環境条件によるノイズと変動を含むという事実は,病気の正しいグレードにアクセスするための現場の専門家にとってさえ困難になる。本論文では,雑音や変動に関係なく,疾患を等級付けできるロバストな畳込みニューラルネットワーク(CNN)アーキテクチャを提案する。Kaggleの公的に利用可能なデータセットを用いて,このモデルを訓練し,他の公的に利用可能なデータセット,EIARG2について検証した。また,ResNet50,VGG16およびいくつかの他のドメインのような標準アーキテクチャに対する著者らのモデルの比較研究も提供し,従って,著者らのアーキテクチャが現在の標準アーキテクチャより糖尿病性網膜症の等級づけに優れているという有望な結果によって結論を下した。最先端の機械学習アルゴリズムを用いて網膜画像を等級付けできるCNNネットワークを提案した。方法は,屈曲度ベースの眼の健康を等級づけするために,0.96の性能(SCC)を正確に見つけた。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： 雑音 ,  視覚 ,  *網膜 ,  *自動分類 ,  ネットワーク ,  ニューラルネットワーク ,  糖尿病 ,  病気 ,  *生体画像 ,  *屈曲度 ,  計算機アーキテクチャ ,  ロバスト性 ,  *網膜血管 ,  糖尿病性網膜症 ,  学習アルゴリズム
準シソーラス用語： *網膜画像 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 糖尿病性網膜症(DR) ,  畳込みニューラルネットワーク(CNN) ,  眼底画像 ,  網膜血管

分類 (2件)： 眼の診断  (GP02000N) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 深部 ,  網膜画像 ,  診断 ,  CNN ,  網膜血管 ,  屈曲度 ,  自動分類