Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > DR vertical bar GRADUATE: Uncertainty-aware deep learning-based diabetic retinopathy grading in eye fundus images

Publicações

DR vertical bar GRADUATE: Uncertainty-aware deep learning-based diabetic retinopathy grading in eye fundus images

Título
DR vertical bar GRADUATE: Uncertainty-aware deep learning-based diabetic retinopathy grading in eye fundus images
Tipo
Artigo em Revista Científica Internacional
Ano
2020
Autores
Teresa Araújo
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Ver página do Authenticus Sem ORCID
Guilherme Aresta
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Ver página do Authenticus Sem ORCID
Luís Mendonça
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Susana Penas
(Autor)
FMUP
Carolina Maia
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Ângela Carneiro
(Autor)
FMUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Ver página do Authenticus Sem ORCID
Ana Maria Mendonça
(Autor)
FEUP
Aurélio Campilho
(Autor)
FEUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Ver página do Authenticus Sem ORCID
Revista
Vol. 63
Páginas: 1-17
ISSN: 1361-8415
Editora: Elsevier
Outras Informações
ID Authenticus: P-00S-2PB
Abstract (EN): Diabetic retinopathy (DR) grading is crucial in determining the adequate treatment and follow up of patient, but the screening process can be tiresome and prone to errors. Deep learning approaches have shown promising performance as computer-aided diagnosis (CAD) systems, but their black-box behaviour hinders clinical application. We propose DR vertical bar GRADUATE, a novel deep learning-based DR grading CAD system that supports its decision by providing a medically interpretable explanation and an estimation of how uncertain that prediction is, allowing the ophthalmologist to measure how much that decision should be trusted. We designed DR vertical bar GRADUATE taking into account the ordinal nature of the DR grading problem. A novel Gaussian-sampling approach built upon a Multiple Instance Learning framework allow DR vertical bar GRADUATE to infer an image grade associated with an explanation map and a prediction uncertainty while being trained only with image-wise labels. DR vertical bar GRADUATE was trained on the Kaggle DR detection training set and evaluated across multiple datasets. In DR grading, a quadratic-weighted Cohen's kappa (kappa) between 0.71 and 0.84 was achieved in five different datasets. We show that high kappa values occur for images with low prediction uncertainty, thus indicating that this uncertainty is a valid measure of the predictions' quality. Further, bad quality images are generally associated with higher uncertainties, showing that images not suitable for diagnosis indeed lead to less trustworthy predictions. Additionally, tests on unfamiliar medical image data types suggest that DR vertical bar GRADUATE allows outlier detection. The attention maps generally highlight regions of interest for diagnosis. These results show the great potential of DR vertical bar GRADUATE as a second-opinion system in DR severity grading.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 17
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Dos mesmos autores

Data Augmentation for Improving Proliferative Diabetic Retinopathy Detection in Eye Fundus Images (2020)
Artigo em Revista Científica Internacional
Teresa Araújo; Guilherme Aresta; Luís Mendonça; Susana Penas; Carolina Maia; Ângela Carneiro; Ana Maria Mendonça; Aurélio Campilho

Da mesma revista

Symmetry-based regularization in deep breast cancer screening (2023)
Artigo em Revista Científica Internacional
Castro, E; Pereira, JC; Jaime S Cardoso
Semi-automatic segmentation of skin lesions based on superpixels and hybrid texture information (2022)
Artigo em Revista Científica Internacional
Elineide S. dos Santos; Rodrigo de M. S. Veras; Kelson R. T. Aires; Helano M. B. F. Portela; Geraldo Braz Junior; Justino D. Santos; João Manuel R. S. Tavares
REFUGE Challenge: A unified framework for evaluating automated methods for glaucoma assessment from fundus photographs (2020)
Artigo em Revista Científica Internacional
Orlando, JI; Fu, HZ; Breda, JB; van Keer, K; Bathula, DR; Diaz Pinto, A; Fang, R; Heng, PA; Kim, J; Lee, J; Lee, J; Li, XX; Liu, P; Lu, S; Murugesan, B; Naranjo, V; Phaye, SSR; Shankaranarayana, SM; Sikka, A; Son, J...(mais 11 autores)
Novel and powerful 3D adaptive crisp active contour method applied in the segmentation of CT lung images (2017)
Artigo em Revista Científica Internacional
Pedro Pedrosa Rebouças Filho; Paulo César Cortez; Antônio C. da Silva Barros; Victor Hugo C. Albuquerque; João Manuel R. S. Tavares
IDRiD: Diabetic Retinopathy - Segmentation and Grading Challenge (2020)
Artigo em Revista Científica Internacional
Prasanna Porwal; Samiksha Pachade; Manesh Kokare; Girish Deshmukh; Jaemin Son; Woong Bae; Lihong Liu; Jianzong Wang; Xinhui Liu; Liangxin Gao; TianBo Wu; Jing Xiao; Fengyan Wang; Baocai Yin; Yunzhi Wang; Gopichandh Danala; Linsheng He; Yoon Ho Choi; Yeong Chan Lee; Sang-Hyuk Jung...(mais 37 autores)

Ver todas (13)

Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Direito da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-09-04 às 18:17:35 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias