Multi-Label Retinal Disease Classification using Transformers

要約

網膜疾患の早期発見は、患者の部分的または永続的な失明を防ぐための最も重要な手段の1つです。
この研究では、さまざまなソースから収集された眼底画像を使用して、複数の網膜疾患を検出するための新しいマルチラベル分類システムが提案されています。
最初に、眼底疾患分類のために公開されている多数のデータセットを使用して、新しいマルチラベル網膜疾患データセットであるMuReDデータセットが構築されます。
次に、一連の後処理ステップを適用して、データセットに存在する画像データの品質と病気の範囲を確認します。
眼底マルチラベル疾患分類で初めて、広範な実験を通じて最適化された変圧器ベースのモデルが、画像分析と意思決定に使用されます。
提案されたシステムの構成を最適化するために、多数の実験が実行されます。
このアプローチは、疾患検出と疾患分類のAUCスコアに関して、同じタスクで最先端の作業よりもそれぞれ7.9％と8.1％優れていることが示されています。
得られた結果は、医用画像分野における変圧器ベースのアーキテクチャの潜在的なアプリケーションをさらにサポートします。

要約(オリジナル)

Early detection of retinal diseases is one of the most important means of preventing partial or permanent blindness in patients. In this research, a novel multi-label classification system is proposed for the detection of multiple retinal diseases, using fundus images collected from a variety of sources. First, a new multi-label retinal disease dataset, the MuReD dataset, is constructed, using a number of publicly available datasets for fundus disease classification. Next, a sequence of post-processing steps is applied to ensure the quality of the image data and the range of diseases, present in the dataset. For the first time in fundus multi-label disease classification, a transformer-based model optimized through extensive experimentation is used for image analysis and decision making. Numerous experiments are performed to optimize the configuration of the proposed system. It is shown that the approach performs better than state-of-the-art works on the same task by 7.9% and 8.1% in terms of AUC score for disease detection and disease classification, respectively. The obtained results further support the potential applications of transformer-based architectures in the medical imaging field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google