論文の概要: Deep Learning Based Unsupervised and Semi-supervised Classification for
Keratoconus
- arxiv url: http://arxiv.org/abs/2001.11653v1
- Date: Fri, 31 Jan 2020 03:56:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 06:22:37.487938
- Title: Deep Learning Based Unsupervised and Semi-supervised Classification for
Keratoconus
- Title(参考訳): 深層学習に基づくケラトコヌスの教師なし・半教師付き分類
- Authors: Nicole Hallett, Kai Yi, Josef Dick, Christopher Hodge, Gerard Sutton,
Yu Guang Wang, Jingjing You
- Abstract要約: ケラトコヌス(Keratoconus)は、世界中で2000人中1人に感染する進行性多因子性角膜変性疾患である。
角膜移植以外に角膜移植や角膜架橋術の治療法はない。
微妙なKCまたはKC進行を正確に識別する能力は重要な臨床的意義である。
- 参考スコア(独自算出の注目度): 1.337031698173905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The transparent cornea is the window of the eye, facilitating the entry of
light rays and controlling focusing the movement of the light within the eye.
The cornea is critical, contributing to 75% of the refractive power of the eye.
Keratoconus is a progressive and multifactorial corneal degenerative disease
affecting 1 in 2000 individuals worldwide. Currently, there is no cure for
keratoconus other than corneal transplantation for advanced stage keratoconus
or corneal cross-linking, which can only halt KC progression. The ability to
accurately identify subtle KC or KC progression is of vital clinical
significance. To date, there has been little consensus on a useful model to
classify KC patients, which therefore inhibits the ability to predict disease
progression accurately.
In this paper, we utilised machine learning to analyse data from 124 KC
patients, including topographical and clinical variables. Both supervised
multilayer perceptron and unsupervised variational autoencoder models were used
to classify KC patients with reference to the existing Amsler-Krumeich (A-K)
classification system. Both methods result in high accuracy, with the
unsupervised method showing better performance. The result showed that the
unsupervised method with a selection of 29 variables could be a powerful tool
to provide an automatic classification tool for clinicians. These outcomes
provide a platform for additional analysis for the progression and treatment of
keratoconus.
- Abstract(参考訳): 透明角膜は目の窓であり、光の入射が容易であり、眼球内の光の動きに集中するのを制御する。
角膜は臨界であり、眼の屈折力の75%に寄与する。
ケラトコヌス(Keratoconus)は、世界中で2000人中1人に感染する進行性多因子性角膜変性疾患である。
現在, 角膜移植以外の角膜移植, 角膜架橋術の治療法は存在せず, KCの進行を抑えることができる。
微妙なKCまたはKC進行を正確に識別する能力は重要な臨床的意義である。
これまでKC患者を分類する有用なモデルについてはほとんど合意が得られておらず、疾患の進行を正確に予測する能力が阻害されている。
本稿では,機械学習を用いて114人のkc患者から得られた地形,臨床変数のデータを解析した。
既存のAmsler-Krumeich分類系を参照して,KC患者を分類するために,教師付き多層パーセプトロンと教師なし変分オートエンコーダモデルを用いた。
どちらの方法も精度が高く、教師なしの方法の方が性能が良い。
その結果,29変数を選抜した非教師的手法は,臨床医に自動分類ツールを提供する強力なツールである可能性が示唆された。
これらの結果はケラトコヌスの進行と治療のさらなる分析のためのプラットフォームを提供する。
関連論文リスト
- Supervised Contrastive Vision Transformer for Breast Histopathological Image Classification [0.0]
浸潤性乳管癌(Invasive ductal carcinoma,IDC)は乳癌の最も多い形態である。
In this present a novel approach, Supervised Contrastive Vision Transformer (SupCon-ViT) to improve the classification of IDC。
論文 参考訳(メタデータ) (2024-04-17T03:51:55Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Keratoconus Classifier for Smartphone-based Corneal Topographer [6.693221730277371]
ケラトコヌス(Keratoconus)は、角膜を変形させる重度の眼疾患である。
安価なスマートフォンベースの角膜トポグラフィー(SmartKCなど)がケラトコヌスの診断に役立てるために提案されている。
本稿では,SmartKC が生成した熱マップ上でケラトコヌスを分類するための二重頭畳み込みニューラルネットワーク (CNN) を提案する。
論文 参考訳(メタデータ) (2022-05-07T18:39:37Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳(メタデータ) (2021-04-02T20:52:05Z) - Automated Detection of Coronary Artery Stenosis in X-ray Angiography
using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。
左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文 参考訳(メタデータ) (2021-03-04T11:45:54Z) - Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous
Crossing Patterns [27.867833878756553]
網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。
医用画像診断における最初期の試みの一つである診断プロセスを支援するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-11-07T13:15:17Z) - Clinically Verified Hybrid Deep Learning System for Retinal Ganglion
Cells Aware Grading of Glaucomatous Progression [10.491291541765342]
緑内障は世界第2位の盲目の原因である。
本稿では, 緑内障の診断と重症度評価のためのRCC萎縮症に対する新たな戦略を提案する。
論文 参考訳(メタデータ) (2020-10-08T10:01:48Z) - AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment
Optical Coherence Tomography [61.405005501608706]
アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。
前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。
既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。
私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
論文 参考訳(メタデータ) (2020-05-05T14:55:01Z)
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。