論文の概要: Conditional GAN for Prediction of Glaucoma Progression with Macular Optical Coherence Tomography

• arxiv url: http://arxiv.org/abs/2010.04552v1
• Date: Mon, 28 Sep 2020 22:24:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:26:16.160874
• Title: Conditional GAN for Prediction of Glaucoma Progression with Macular Optical Coherence Tomography
• Title（参考訳）: 黄斑光コヒーレンス・トモグラフィーによる緑内障進展予測のための条件付きGAN
• Authors: Osama N. Hassan, Serhat Sahin, Vahid Mohammadzadeh, Xiaohe Yang, Navid Amini, Apoorva Mylavarapu, Jack Martinyan, Tae Hong, Golnoush Mahmoudinezhad, Daniel Rueckert, Kouros Nouri-Mahdavi, and Fabien Scalzo
• Abstract要約: 緑内障の進行を予測するために条件付きGANアーキテクチャを用いた生成的深層学習モデルを構築した。 患者のOCTスキャンは,3～2回の先行測定から予測される。 以上より,2回の来院で得られたOCTスキャンは,6カ月後に次のOCTスキャンを予測するのに十分である可能性が示唆された。
• 参考スコア（独自算出の注目度）: 4.823472957592564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The estimation of glaucoma progression is a challenging task as the rate of disease progression varies among individuals in addition to other factors such as measurement variability and the lack of standardization in defining progression. Structural tests, such as thickness measurements of the retinal nerve fiber layer or the macula with optical coherence tomography (OCT), are able to detect anatomical changes in glaucomatous eyes. Such changes may be observed before any functional damage. In this work, we built a generative deep learning model using the conditional GAN architecture to predict glaucoma progression over time. The patient's OCT scan is predicted from three or two prior measurements. The predicted images demonstrate high similarity with the ground truth images. In addition, our results suggest that OCT scans obtained from only two prior visits may actually be sufficient to predict the next OCT scan of the patient after six months.
• Abstract（参考訳）: 緑内障の進行率の推定は、測定のばらつきや標準化の欠如といった他の要因に加えて、疾患進行率が個人によって異なるため、難しい課題である。 光コヒーレンストモグラフィ(oct)による網膜神経線維層や黄斑の厚さ測定などの構造検査は、緑内障眼の解剖学的変化を検出することができる。 このような変化は機能的な損傷の前に観測することができる。 本研究では,条件付きganアーキテクチャを用いた生成的深層学習モデルを構築し,緑内障進展の予測を行った。 患者のOCTスキャンは3～2回の先行測定から予測される。 予測画像は、地上の真理画像と高い類似性を示す。 さらに, 来院2回だけで得られたOCTスキャンは, 6カ月後に次のOCTスキャンを予測するのに十分である可能性が示唆された。

関連論文リスト

• Deep Learning to Predict Glaucoma Progression using Structural Changes in the Eye [0.20718016474717196]
  緑内障は視神経症を特徴とする慢性眼疾患であり、不可逆的な視力喪失を引き起こす。 早期発見は萎縮をモニターし、さらなる視力障害を防ぐ治療戦略を開発するために重要である。 本研究では,深層学習モデルを用いて,複雑な疾患の特徴と進行基準を同定する。
  論文  参考訳（メタデータ） (2024-06-09T01:12:41Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
  緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。 逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。 本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-02-21T02:16:59Z)
• Explainable Severity ranking via pairwise n-hidden comparison: a case study of glaucoma [24.16414303668709]
  原発性開放隅角緑内障(英: primary open-angle glaucoma, POAG)は、慢性進行性視神経疾患である。 POAGを診断し、その重症度を決定するためには、患者は包括的拡張眼科検査を受けなければならない。 眼底画像を用いて緑内障の重症度を分類・比較・解釈する枠組みを構築した。
  論文  参考訳（メタデータ） (2023-12-05T07:12:05Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Pseudo-domains in imaging data improve prediction of future disease status in multi-center studies [57.712855968194305]
  本研究では,多数の異なるスキャンサイトと,各サイト毎のサンプル数に対処可能な予測手法を提案する。 以上の結果より,初診後48週,12週間の肝疾患経過観察の結果から,聴力低下の予測精度が向上した。
  論文  参考訳（メタデータ） (2021-11-15T09:40:54Z)
• Interpretable Automated Diagnosis of Retinal Disease using Deep OCT Analysis [7.005458308454871]
  我々は,OCTスキャンの正確な分類のためのCNNベースモデルを開発した。 我々は、モデルの判断に関する質的および定量的な説明の両方を作成することに重点を置いている。 私たちの仕事は、モデルの決定について、初めて詳細な説明をしました。
  論文  参考訳（メタデータ） (2021-09-03T17:59:34Z)
• Describing the Structural Phenotype of the Glaucomatous Optic Nerve Head Using Artificial Intelligence [43.803153617553114]
  視神経頭(ONH)は通常、緑内障の発生および進行に伴う複雑な神経組織および結合組織構造の変化を経験する。 そこで我々は,textbf(1)がONHのOCTスキャンから情報をフル活用し,textbf(2)がONHの構造的表現型を記述し,textbf(3)が堅牢な緑内障診断ツールとして使用できる深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-17T17:15:30Z)

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。