文献

J-GLOBAL ID：202202282541240655   整理番号：22A0457478

GCA注意機構に基づく糖尿病性網膜症重症度の分類【JST・京大機械翻訳】

Classification of Diabetic Retinopathy Severity Based on GCA Attention Mechanism

著者 (5件)： Yang Binhua (College of Communication Engineering, Chengdu University of Information Technology, Chengdu, China) ,  Li Tongyan (College of Communication Engineering, Chengdu University of Information Technology, Chengdu, China) ,  Xie Haidi (College of Communication Engineering, Chengdu University of Information Technology, Chengdu, China) ,  Liao Yulin (College of Communication Engineering, Chengdu University of Information Technology, Chengdu, China) ,  Chen Yi-Ping Phoebe (Department of Computer Science and Information Technology, La Trobe University, Melbourne, VIC, Australia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 2729-2739  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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)は糖尿病に起因する主要な合併症の1つであり,タイムリーな方法で診断および治療されない場合,重度の視覚損失または完全な失明をもたらす。本論文では,DRの早期検出の問題を解決するために,新しい特徴マップグローバルチャネル注意機構(GCA)を提案した。GCAモジュールにおいて,特徴マップの次元に基づく適応一次元畳み込みカーネルサイズアルゴリズムを提案し,GCA-EffidNet(GENet)と呼ばれるDRカラー医用画像重症度診断のための深い畳み込みニューラルネットワークモデルを設計した。訓練プロセスは,余弦アニーリング学習速度調整戦略による転送学習技術を用いた。GENetの関心の画像領域を熱マップを用いて可視化した。Kaggle競争のDRデータセットの最終精度,感度および特異性は,それぞれ0.956,0.956および0.989に達した。多数の実験結果は,GCA注意機構に基づくGENetが,より効果的に病変特徴を抽出でき,DRの重症度を分類できることを示した。Copyright 2022 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： 視覚 ,  焼なまし ,  畳込み ,  学習 ,  *糖尿病 ,  可視化 ,  一次元 ,  医用画像 ,  合併症 ,  *糖尿病性網膜症 ,  重症度診断
準シソーラス用語： 特異性 ,  特徴マップ ,  *重症度 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： GCA ,  注意 ,  糖尿病性網膜症 ,  重症度 ,  分類