論文の概要: Instant automatic diagnosis of diabetic retinopathy
- arxiv url: http://arxiv.org/abs/1906.11875v2
- Date: Mon, 26 Aug 2024 14:13:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-30 19:54:50.092192
- Title: Instant automatic diagnosis of diabetic retinopathy
- Title（参考訳）: 糖尿病網膜症の即時診断
- Authors: Gwenolé Quellec, Mathieu Lamard, Bruno Lay, Alexandre Le Guilcher, Ali Erginay, Béatrice Cochener, Pascale Massin,
- Abstract要約: OphtAIは、眼のラテラルを認識し、参照可能なDRを検出し、DR重症度を評価するために訓練された畳み込みニューラルネットワークのアンサンブルに依存している。
システムは164,660のスクリーニング手順から,733,848の画像のデータセットを用いて開発,検証した。
OphtAIは、FDAが認可している唯一のAIシステムよりも安全で高速で包括的だ。
- 参考スコア（独自算出の注目度）: 36.2143325805188
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The purpose of this study is to evaluate the performance of the OphtAI system for the automatic detection of referable diabetic retinopathy (DR) and the automatic assessment of DR severity using color fundus photography. OphtAI relies on ensembles of convolutional neural networks trained to recognize eye laterality, detect referable DR and assess DR severity. The system can either process single images or full examination records. To document the automatic diagnoses, accurate heatmaps are generated. The system was developed and validated using a dataset of 763,848 images from 164,660 screening procedures from the OPHDIAT screening program. For comparison purposes, it was also evaluated in the public Messidor-2 dataset. Referable DR can be detected with an area under the ROC curve of AUC = 0.989 in the Messidor-2 dataset, using the University of Iowa's reference standard (95% CI: 0.984-0.994). This is better than the only AI system authorized by the FDA, evaluated in the exact same conditions (AUC = 0.980). OphtAI can also detect vision-threatening DR with an AUC of 0.997 (95% CI: 0.996-0.998) and proliferative DR with an AUC of 0.997 (95% CI: 0.995-0.999). The system runs in 0.3 seconds using a graphics processing unit and less than 2 seconds without. OphtAI is safer, faster and more comprehensive than the only AI system authorized by the FDA so far. Instant DR diagnosis is now possible, which is expected to streamline DR screening and to give easy access to DR screening to more diabetic patients.
- Abstract（参考訳）: 本研究の目的は,参照性糖尿病網膜症(DR)の自動検出のためのOphtAIシステムの性能評価と,カラーファンドス写真を用いたDR重症度の自動評価である。
OphtAIは、眼のラテラルを認識し、参照可能なDRを検出し、DR重症度を評価するために訓練された畳み込みニューラルネットワークのアンサンブルに依存している。
システムは単一の画像または完全な検査記録を処理できる。
自動診断を文書化するために、正確なヒートマップを生成する。
このシステムは、OPHDIATスクリーニングプログラムから164,660のスクリーニング手順から、763,848の画像のデータセットを用いて開発され、検証された。
比較のために、パブリックなMessidor-2データセットでも評価された。
参照DRは、アイオワ大学の基準規格(95% CI: 0.984-0.994)を用いて、メシドール-2データセットのAUC = 0.989のROC曲線の下で検出できる。
これはFDAが認可した唯一のAIシステムよりも優れている(AUC = 0.980)。
OphtAIは、AUCが0.997(95% CI:0.996-0.998)で、AUCが0.997(95% CI:0.995-0.999)で増殖するDRを検出できる。
このシステムはグラフィックス処理ユニットを使用して0.3秒で動作し、2秒未満で動作します。
OphtAIは、FDAが認可している唯一のAIシステムよりも安全で高速で包括的だ。
即時DR診断が可能となり、DRスクリーニングの合理化と、より多くの糖尿病患者へのDRスクリーニングの容易化が期待されている。
関連論文リスト
- A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation [0.1874930567916036]
本研究では,脳波の背景活動とレポート生成を自動的に解釈する,革新的なハイブリッド人工知能(AI)システムを提案する。
このシステムは、後続支配リズム(PDR)予測のためのディープラーニングモデル、教師なしアーティファクト除去、および異常検出のためのエキスパート設計アルゴリズムを組み合わせる。
このAIシステムは、全般的なバックグラウンドの減速を検知し、焦点異常の検出を改善することで神経学者を著しく上回った。
論文 参考訳（メタデータ） (2024-11-15T01:49:17Z) - Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。
本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。
そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文 参考訳（メタデータ） (2024-10-18T12:37:51Z) - Improving Image Classification of Knee Radiographs: An Automated Image
Labeling Approach [0.3258500021481664]
本研究の目的は, 画像分類を改良し, 正常な膝画像の異常の有無を識別する自動ラベリング手法を開発することである。
自動ラベル付けはラベル付きデータの小さなセットでトレーニングされ、ラベルなしデータのもっと大きなセットを自動的にラベル付けする。
以上の結果から,自動ラベリング手法は,膝の診断における画像分類性能を著しく向上させることが示された。
論文 参考訳（メタデータ） (2023-09-06T03:26:24Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - An Ensemble Method to Automatically Grade Diabetic Retinopathy with
Optical Coherence Tomography Angiography Images [4.640835690336653]
糖尿病網膜症解析チャレンジ(DRAC)2022から得られる糖尿病網膜症(DR)画像を自動的に評価するアンサンブル法を提案する。
まず、最先端の分類ネットワークを採用し、利用可能なデータセットの異なる分割でUW-OCTA画像のグレードをトレーニングする。
最終的に、25のモデルを取得し、そのうち上位16のモデルを選択し、アンサンブルして最終的な予測を生成する。
論文 参考訳（メタデータ） (2022-12-12T22:06:47Z) - Deep Learning for Segmentation-based Hepatic Steatosis Detection on Open
Data: A Multicenter International Validation Study [5.117364766785943]
この3段階のAIワークフローは、3D肝セグメンテーション、肝減衰測定、肝脂肪症検出からなる。
ディープラーニングセグメンテーションの平均係数は0.957。
普遍的な検出に採用されれば、このディープラーニングシステムは、早期に非侵襲的で非薬学的な予防的介入を可能にする可能性がある。
論文 参考訳（メタデータ） (2022-10-27T03:24:52Z) - Performance of a deep learning system for detection of referable
diabetic retinopathy in real clinical settings [0.0]
RetCAD v.1.3.1は糖尿病網膜症(DR)を自動的に検出するために開発された。
この人工知能ベースの技術を活用して、リリース可能なワークロードの削減を分析する。
論文 参考訳（メタデータ） (2022-05-11T14:59:10Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。