論文の概要: AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography

• arxiv url: http://arxiv.org/abs/2005.02258v3
• Date: Fri, 31 Jul 2020 17:04:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 14:17:26.602080
• Title: AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography
• Title（参考訳）: 前歯部光コヒーレンス断層撮影における隅角閉鎖緑内障の評価
• Authors: Huazhu Fu, Fei Li, Xu Sun, Xingxing Cao, Jingan Liao, Jose Ignacio Orlando, Xing Tao, Yuexiang Li, Shihao Zhang, Mingkui Tan, Chenglang Yuan, Cheng Bian, Ruitao Xie, Jiongcheng Li, Xiaomeng Li, Jing Wang, Le Geng, Panming Li, Huaying Hao, Jiang Liu, Yan Kong, Yongyong Ren, Hrvoje Bogunovic, Xiulan Zhang, Yanwu Xu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 61.405005501608706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Angle closure glaucoma (ACG) is a more aggressive disease than open-angle glaucoma, where the abnormal anatomical structures of the anterior chamber angle (ACA) may cause an elevated intraocular pressure and gradually lead to glaucomatous optic neuropathy and eventually to visual impairment and blindness. Anterior Segment Optical Coherence Tomography (AS-OCT) imaging provides a fast and contactless way to discriminate angle closure from open angle. Although many medical image analysis algorithms have been developed for glaucoma diagnosis, only a few studies have focused on AS-OCT imaging. In particular, there is no public AS-OCT dataset available for evaluating the existing methods in a uniform way, which limits progress in the development of automated techniques for angle closure detection and assessment. To address this, we organized the Angle closure Glaucoma Evaluation challenge (AGE), held in conjunction with MICCAI 2019. The AGE challenge consisted of two tasks: scleral spur localization and angle closure classification. For this challenge, we released a large dataset of 4800 annotated AS-OCT images from 199 patients, and also proposed an evaluation framework to benchmark and compare different models. During the AGE challenge, over 200 teams registered online, and more than 1100 results were submitted for online evaluation. Finally, eight teams participated in the onsite challenge. In this paper, we summarize these eight onsite challenge methods and analyze their corresponding results for the two tasks. We further discuss limitations and future directions. In the AGE challenge, the top-performing approach had an average Euclidean Distance of 10 pixels (10um) in scleral spur localization, while in the task of angle closure classification, all the algorithms achieved satisfactory performances, with two best obtaining an accuracy rate of 100%.
• Abstract（参考訳）: 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り、前室角度(ACA)の異常な解剖学的構造が眼圧を上昇させ、徐々に緑内障を発症し、最終的には視力障害や盲目を引き起こす。 Anterior Segment Optical Coherence Tomography (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。 緑内障の診断のために多くの医用画像解析アルゴリズムが開発されたが、AS-OCTイメージングに焦点を当てた研究はごくわずかである。 特に、既存のメソッドを統一的に評価するための公開as-octデータセットは存在せず、アングルクロージャ検出と評価のための自動化技術の開発の進捗を制限している。 そこで我々は,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。 年齢課題は, 強膜刺激の局在と角度閉鎖分類の2つの課題から成っていた。 そこで我々は199人の患者から4800個の注釈付きAS-OCT画像の大規模なデータセットを公開し、異なるモデルをベンチマークし比較するための評価フレームワークを提案した。 AGEチャレンジでは200以上のチームがオンラインに登録され、1100以上の結果がオンライン評価のために提出された。 最終的に8チームがオンサイトチャレンジに参加した。 本稿では,これらの8つの課題を要約し,その2つの課題に対して対応する結果を解析する。 我々はさらに制限と今後の方向性について議論する。 AGEチャレンジでは,最高性能のユークリッド距離は平均10ピクセル (10um) であり,角度クロージャ分類のタスクでは,全てのアルゴリズムが良好な性能を達成し,100%の精度を得ることができた。

関連論文リスト

• 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)
• Dataset and Evaluation algorithm design for GOALS Challenge [39.424658343179274]
  緑内障は視神経の損傷により不可逆的な視力喪失を引き起こし,緑内障の治療法はない。 OCTによる緑内障の診断を定量化するためのAI技術の研究を促進するため,緑内障OCT解析・層干渉(GOALS)チャレンジを開催した。 本稿では2つのサブタスクのベースラインと評価手法について述べる。
  論文  参考訳（メタデータ） (2022-07-29T02:51:26Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• RADNet: Ensemble Model for Robust Glaucoma Classification in Color Fundus Images [0.0]
  緑内障は最も重篤な眼疾患の1つで、急激な進行と不可逆性失明を特徴とする。 集団の正常な緑内障検診では早期発見が改善するが,病原性チェックアップの望ましい頻度は期待できないことが多い。 本研究では,高度な画像前処理手法と深層分類ネットワークのアンサンブルを併用した画像前処理手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T16:48:00Z)
• GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
  グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。 この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。 緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
  論文  参考訳（メタデータ） (2022-02-14T06:54:15Z)
• 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)
• Open-Narrow-Synechiae Anterior Chamber Angle Classification in AS-OCT Sequences [42.60167901427091]
  本稿では,AS-OCT配列に基づくオープンナロー-シナカイACA分類のための新しいシークエンス・マルチスケールアグリゲーション・ディープ・ネットワーク(SMA-Net)を提案する。 この研究は、AS-OCT配列を用いて、ACAをオープン、狭、あるいはシナチア型に分類する最初の試みであると考えている。
  論文  参考訳（メタデータ） (2020-06-09T16:00:00Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。