論文の概要: Predicting risk of late age-related macular degeneration using deep learning

• arxiv url: http://arxiv.org/abs/2007.09550v1
• Date: Sun, 19 Jul 2020 01:32:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 00:33:01.750885
• Title: Predicting risk of late age-related macular degeneration using deep learning
• Title（参考訳）: ディープラーニングを用いた加齢後期黄斑変性のリスク予測
• Authors: Yifan Peng, Tiarnan D. Keenan, Qingyu Chen, Elvira Agr\'on, Alexis Allot, Wai T. Wong, Emily Y. Chew, Zhiyong Lu
• Abstract要約: 年齢関連黄斑変性症(AMD)は2040年までに世界中で約2億8800万人に影響を与える。 深層学習は、カラーファンドス写真を用いたAMDの診断・スクリーニングにおいて有望であることを示している。 我々は,3,298人の参加者を用いて,深層学習と生存分析が後期AMDの進行確率を予測することを実証した。
• 参考スコア（独自算出の注目度）: 12.137730470081843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: By 2040, age-related macular degeneration (AMD) will affect approximately 288 million people worldwide. Identifying individuals at high risk of progression to late AMD, the sight-threatening stage, is critical for clinical actions, including medical interventions and timely monitoring. Although deep learning has shown promise in diagnosing/screening AMD using color fundus photographs, it remains difficult to predict individuals' risks of late AMD accurately. For both tasks, these initial deep learning attempts have remained largely unvalidated in independent cohorts. Here, we demonstrate how deep learning and survival analysis can predict the probability of progression to late AMD using 3,298 participants (over 80,000 images) from the Age-Related Eye Disease Studies AREDS and AREDS2, the largest longitudinal clinical trials in AMD. When validated against an independent test dataset of 601 participants, our model achieved high prognostic accuracy (five-year C-statistic 86.4 (95% confidence interval 86.2-86.6)) that substantially exceeded that of retinal specialists using two existing clinical standards (81.3 (81.1-81.5) and 82.0 (81.8-82.3), respectively). Interestingly, our approach offers additional strengths over the existing clinical standards in AMD prognosis (e.g., risk ascertainment above 50%) and is likely to be highly generalizable, given the breadth of training data from 82 US retinal specialty clinics. Indeed, during external validation through training on AREDS and testing on AREDS2 as an independent cohort, our model retained substantially higher prognostic accuracy than existing clinical standards. These results highlight the potential of deep learning systems to enhance clinical decision-making in AMD patients.
• Abstract（参考訳）: 2040年までに、年齢関連の黄斑変性(AMD)は世界中で約2億8800万人に影響を与える。 視力低下の段階である後期AMDへの進行のリスクが高い個人を特定することは、医療介入やタイムリーなモニタリングを含む臨床行動に重要である。 深層学習は,カラーファンドス写真を用いたamdの診断・スクリーニングに有望であるが,amd後期のリスクを正確に予測することは困難である。 両方のタスクにおいて、これらの初期の深層学習の試みは、独立したコホートにおいてほとんど検証されていない。 本稿では,老化関連眼疾患研究 AREDS と AREDS2 の3,298 人の参加者 (80,000 画像) を用いて,深層学習と生存分析が AMD の進行確率を予測する方法を示す。 601名の独立した検査データセットを検証したところ, 既往の2つの臨床基準 (81.3 (81.1-81.5) と82.0 (81.8-82.3) を用いた網膜専門医をほぼ上回り, 高い予後精度 (5年C統計値86.4 (95%信頼区間86.2-86.6)) を達成した。 興味深いことに、本手法は、AMD予後の既存の基準(例えば、50%以上のリスク確認)に対するさらなる強みを提供するとともに、82の網膜専門病院のトレーニングデータを考えると、高い一般化が期待できる。 実際、AREDSのトレーニングとAREDS2の独立したコホートとしての試験による外的検証では、既存の臨床基準よりも予後の精度が有意に高かった。 これらの結果は,AMD患者の臨床的意思決定を促進するための深層学習システムの可能性を強調した。

関連論文リスト

• 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)
• COVID-19 Probability Prediction Using Machine Learning: An Infectious Approach [0.0]
  本研究は、新型コロナウイルス感染確率を予測するための高度な機械学習(ML)技術の適用について検討する。 我々はXGBoost, LGBM, AdaBoost, Logistic Regression, Decision Tree, RandomForest, CatBoost, KNN, Deep Neural Networks (DNN) などのMLモデルの有効性について厳密な調査を行った。 以上の結果から,Deep Neural Networks (DNN) が最高性能モデルとして登場し,精度が向上し,リコール指標が得られた。
  論文  参考訳（メタデータ） (2024-08-23T05:15:24Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• Weakly-supervised detection of AMD-related lesions in color fundus images using explainable deep learning [9.707114016577716]
  加齢関連黄斑変性 (AMD) は、網膜の視力にとって重要な領域である黄斑に影響を及ぼす変性疾患である。 網膜病変の関節同定によるAMD診断のための,説明可能な深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-12-01T15:11:56Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Development of a dynamic type 2 diabetes risk prediction tool: a UK Biobank study [0.8620335948752806]
  英国バイオバンクデータセットの301機能を用いて10年間の2型糖尿病リスクスコアを算出した。 Cox比例ハザードモデルは、同じ特徴を使ってトレーニングされたDeepSurvモデルをわずかに上回った。 このツールは、2型糖尿病のリスクのある患者の臨床スクリーニングや患者のエンパワーメントの促進に使用できる。
  論文  参考訳（メタデータ） (2021-04-20T16:37:26Z)
• Clinical prediction system of complications among COVID-19 patients: a development and validation retrospective multicentre study [0.3569980414613667]
  2020年4月1日から4月30日までにUAEのアブダビ(AD)で18施設に入院した3,352人の患者から収集したデータを用いた。 最初の24時間に収集されたデータを用いて、機械学習ベースの予後システムは、入院中に7つの合併症を発生させるリスクを予測する。 このシステムは、すべての合併症と両方の領域にわたって良好な精度を達成する。
  論文  参考訳（メタデータ） (2020-11-28T18:16:23Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。