Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

The Retina01:32

The Retina

56.7K
The retina is a layer of nervous tissue at the back of the eye that transduces light into neural signals. This process, called phototransduction, is carried out by rod and cone photoreceptor cells in the back of the retina.
56.7K
Diabetic Retinopathy01:27

Diabetic Retinopathy

65
DefinitionDiabetic retinopathy is a microvascular complication of diabetes affecting the retinal blood vessels.Risk FactorsDiabetic retinopathy is present in almost all individuals with type 1 diabetes and more than 60% of those with type 2 diabetes after two decades of disease.The risk increases with poor glycemic control, hypertension, dyslipidemia, smoking, pregnancy, and puberty.Although cataracts and glaucoma are also more frequent in people with diabetes, retinopathy remains the leading...
65

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

A hybrid system for detecting semiconductor wafer defects using modified MobileNet with multi-head attention.

PloS one·2026
Same author

Bangla Speech Emotion Recognition Using Deep Learning-Based Ensemble Learning and Feature Fusion.

Journal of imaging·2025
Same author

A Structured and Methodological Review on Multi-View Human Activity Recognition for Ambient Assisted Living.

Journal of imaging·2025
Same author

A Hybrid CNN Framework DLI-Net for Acne Detection with XAI.

Journal of imaging·2025
Same author

Challenges issues and future recommendations of deep learning techniques for SARS-CoV-2 detection utilising X-ray and CT images: a comprehensive review.

PeerJ. Computer science·2025
Same author

LBF-MI: Limited Boolean Functions and Mutual Information to Infer a Gene Regulatory Network from Time-Series Gene Expression Data.

Genes·2025

関連する実験動画

Updated: May 6, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K

説明可能なAIによる多種目の網膜疾患検診のための軽量なCNN

Arjun Kumar Bose Arnob1, Muhammad Hasibur Rashid Chayon1, Fahmid Al Farid2

  • 1Department of Computer Science, American International University-Bangladesh, Dhaka 1229, Bangladesh.

Journal of imaging
|August 27, 2025
PubMed
まとめ

この研究は,網膜疾患の正確な検出のための軽量なディープラーニングモデルを導入し,クラス不均衡を克服し,臨床決定のための透明なピクセルレベルの証拠を提供します. この新しいアプローチは早期診断を強化し,資源が限られた環境で診療所でのスクリーニングをサポートします.

キーワード:
折り畳み神経ネットワーク糖尿病性網膜症眼の病気fundus イメージング網膜疾患の分類

さらに関連する動画

Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
06:16

Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies

Published on: July 28, 2023

2.7K
Author Spotlight: Simple and Efficient Neural Retina Organoid Production for Disease Modeling
05:03

Author Spotlight: Simple and Efficient Neural Retina Organoid Production for Disease Modeling

Published on: December 22, 2023

1.4K

関連する実験動画

Last Updated: May 6, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K
Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
06:16

Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies

Published on: July 28, 2023

2.7K
Author Spotlight: Simple and Efficient Neural Retina Organoid Production for Disease Modeling
05:03

Author Spotlight: Simple and Efficient Neural Retina Organoid Production for Disease Modeling

Published on: December 22, 2023

1.4K

科学分野:

  • 眼科について
  • 人工知能
  • 医療用イメージング

背景:

  • 現在,網膜疾患のスクリーニングのためのディープラーニングモデルは,クラス不均衡,大きなモデルサイズ,透明性の欠如という課題に直面しています.
  • 網膜疾患の正確かつ適時な検出は,不可逆的な視力喪失を防ぐために極めて重要です.

研究 の 目的:

  • 正確で透明な網膜疾患検出のための軽量で注意力を増強したコンボリューションニューラルネットワーク (CNN) を開発する.
  • クラス不均衡,モデルサイズ,不透明な推論など,既存のディープラーニングスクリーニングの限界に対処する.

主な方法:

  • 新しく開発されたCNNアーキテクチャは 深く分離可能なコンボリュション,圧縮と興奮,そしてグローバル・コンテキストの注意を組み合わせたものです
  • グラデントベースのクラスアクティベーションマッピング (Grad-CAMとGrad-CAM++) は,ピクセルレベルの説明性のために統合されました.
  • 厳格に不均衡な10クラスカラーファンドスのデータセットは,合成マイノリティーオーバーサンプリング技術 (SMOTE) とタスク固有の拡張を使用して再バランスされました.

主要な成果:

  • 軽量なネットワークは87.9%のテスト精度を達成し,Inception-V3を58%のエラー削減で上回った.
  • 8つの疾患で高い真の陽性率 (> 95%) が記録され,顕著なF1スコアはマキュラ・スカー (0. 77) と中央血清性コレレチノパシー (0. 89) でした.
  • 重要な病理的特徴を突出し,モデルの意思決定プロセスを検証しました.

結論:

  • ターゲット化されたクラス再バランス,軽量な注意力メカニズム,統合された説明性は,正確で透明で展開可能な網膜スクリーニングを可能にします.
  • 開発されたモデルは,リソースが限られたハードウェアでも,ケアポイントの眼科トリアージに適しています.
  • このアプローチは,世界的に網膜疾患の早期発見と管理を改善するための有望な解決策です.