論文の概要: Multi-modal, multi-task, multi-attention (M3) deep learning detection of
reticular pseudodrusen: towards automated and accessible classification of
age-related macular degeneration
- arxiv url: http://arxiv.org/abs/2011.05142v2
- Date: Wed, 11 Nov 2020 13:26:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 23:57:38.160255
- Title: Multi-modal, multi-task, multi-attention (M3) deep learning detection of
reticular pseudodrusen: towards automated and accessible classification of
age-related macular degeneration
- Title（参考訳）: マルチモーダル・マルチタスク・マルチアテンション(m3)によるreticular pseudodrusenの深層学習 : 加齢黄斑変性の自動的・アクセス可能な分類に向けて
- Authors: Qingyu Chen, Tiarnan D. L. Keenan, Alexis Allot, Yifan Peng, Elvira
Agr\'on, Amitha Domalpally, Caroline C. W. Klaver, Daniel T. Luttikhuizen,
Marcus H. Colyer, Catherine A. Cukras, Henry E. Wiley, M. Teresa Magone,
Chantal Cousineau-Krieger, Wai T. Wong, Yingying Zhu, Emily Y. Chew, Zhiyong
Lu (for the AREDS2 Deep Learning Research Group)
- Abstract要約: 加齢関連黄斑変性症 (AMD) の重要な特徴であるレチキュラー偽ドラセン (RPD) は、ヒトの専門家によって検出されていない。
本研究の目的は,PD検出のための新しい「M3」深層学習フレームワークの開発と評価である。
- 参考スコア（独自算出の注目度）: 8.586199210679448
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective Reticular pseudodrusen (RPD), a key feature of age-related macular
degeneration (AMD), are poorly detected by human experts on standard color
fundus photography (CFP) and typically require advanced imaging modalities such
as fundus autofluorescence (FAF). The objective was to develop and evaluate the
performance of a novel 'M3' deep learning framework on RPD detection. Materials
and Methods A deep learning framework M3 was developed to detect RPD presence
accurately using CFP alone, FAF alone, or both, employing >8000 CFP-FAF image
pairs obtained prospectively (Age-Related Eye Disease Study 2). The M3
framework includes multi-modal (detection from single or multiple image
modalities), multi-task (training different tasks simultaneously to improve
generalizability), and multi-attention (improving ensembled feature
representation) operation. Performance on RPD detection was compared with
state-of-the-art deep learning models and 13 ophthalmologists; performance on
detection of two other AMD features (geographic atrophy and pigmentary
abnormalities) was also evaluated. Results For RPD detection, M3 achieved area
under receiver operating characteristic (AUROC) 0.832, 0.931, and 0.933 for CFP
alone, FAF alone, and both, respectively. M3 performance on CFP was very
substantially superior to human retinal specialists (median F1-score 0.644
versus 0.350). External validation (on Rotterdam Study, Netherlands)
demonstrated high accuracy on CFP alone (AUROC 0.965). The M3 framework also
accurately detected geographic atrophy and pigmentary abnormalities (AUROC
0.909 and 0.912, respectively), demonstrating its generalizability. Conclusion
This study demonstrates the successful development, robust evaluation, and
external validation of a novel deep learning framework that enables accessible,
accurate, and automated AMD diagnosis and prognosis.
- Abstract（参考訳）: 加齢に伴う黄斑変性(AMD)の重要な特徴であるRPD(Objective Reticular pseudodrusen, Objective Reticular pseudodrusen)は、標準色眼底撮影(CFP)の専門家によって検出されていない。
本研究の目的は,PD検出のための新しい「M3」深層学習フレームワークの開発と評価である。
材料と方法 M3 深層学習フレームワークは,CFP 単独,AF 単独,あるいはその両方を用いて,前向きに得られた 8000 個の CFP-FAF 画像対を用いて,PD の存在を正確に検出するために開発された(Age-Related Eye Disease Study 2)。
M3フレームワークは、マルチモーダル(単一または複数の画像モダリティからの検出)、マルチタスク(一般化性を改善するために異なるタスクを同時に訓練)、マルチアテンション(アンサンブルされた特徴表現の改善)操作を含む。
rpd検出の性能を最先端のディープラーニングモデルと13名の眼科医と比較し,他の2つのamd特徴(地形萎縮と色素異常)の検出性能も評価した。
RPD検出の結果, CFP単独の受信動作特性(AUROC) 0.832, 0.931, 0.933, FAF単独でそれぞれ達成した。
CFPのM3性能はヒト網膜専門医(F1スコア0.644対0.350)よりもかなり優れていた。
オランダのロッテルダム研究所では、CFP単独で高い精度(AUROC 0.965)を実証した。
m3フレームワークはまた、地理的萎縮と色素異常(auroc 0.909と0.912)を正確に検出し、その一般化を示した。
結論 本研究は,amd診断と予後の簡易化,正確化,自動診断を可能にする新しい深層学習フレームワークの開発,堅牢な評価,外部検証に成功したことを示す。
関連論文リスト
- ICHPro: Intracerebral Hemorrhage Prognosis Classification Via
Joint-attention Fusion-based 3d Cross-modal Network [19.77538127076489]
脳内出血(ICH)は、脳卒中で最も致命的なサブタイプであり、死亡率と障害を減少させるために、時間的および正確な予後評価を必要とする。
本稿では,脳神経外科医が利用するICHの解釈過程をシミュレートする,ICHProと呼ばれる3次元連成核融合を用いた3次元クロスモーダルネットワークを提案する。
論文 参考訳（メタデータ） (2024-02-17T15:31:46Z) - Deep learning in computed tomography pulmonary angiography imaging: a
dual-pronged approach for pulmonary embolism detection [0.0]
本研究の目的は,深層学習技術を活用し,肺塞栓症(PE)のコンピュータ支援診断(CAD)を強化することである。
我々の分類システムは、注意機構を用いて局所的な文脈を利用する注意誘導畳み込みニューラルネットワーク(AG-CNN)を含む。
AG-CNNはFUMPEデータセット上で堅牢なパフォーマンスを実現し、AUROCは0.927、感度は0.862、特異性は0.879、F1スコアは0.805、Inception-v3バックボーンアーキテクチャは0.805である。
論文 参考訳（メタデータ） (2023-11-09T08:23:44Z) - A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。
アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。
データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文 参考訳（メタデータ） (2023-10-30T11:13:40Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳（メタデータ） (2023-08-24T01:30:18Z) - Deep Learning for Predicting Progression of Patellofemoral
Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and
Symptomatic Assessments [1.1549572298362785]
本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。
PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。
年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
論文 参考訳（メタデータ） (2023-05-10T06:43:33Z) - Comparison of retinal regions-of-interest imaged by OCT for the
classification of intermediate AMD [3.0171643773711208]
269名の中間AMD患者と115名の健常者から15744名のBスキャンを行った。
各サブセットについて、畳み込みニューラルネットワーク(VGG16アーキテクチャに基づいて、ImageNetで事前トレーニングされた)をトレーニングし、テストした。
モデルの性能は, 受信動作特性(AUROC), 精度, 感度, 特異性に基づいて評価した。
論文 参考訳（メタデータ） (2023-05-04T13:48:55Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳（メタデータ） (2021-12-18T17:05:53Z) - Incremental Cross-Domain Adaptation for Robust Retinopathy Screening via
Bayesian Deep Learning [7.535751594024775]
網膜症は、タイムリーに治療されないと、深刻な視覚障害や失明を引き起こす網膜疾患のグループである。
本稿では, 深い分類モデルを用いて, 異常網膜病理を段階的に学習することのできる, 漸進的なクロスドメイン適応手法を提案する。
提案したフレームワークは、6つの公開データセットで評価され、全体的な精度とF1スコアをそれぞれ0.9826と0.9846で達成することで、最先端の競合他社を上回っている。
論文 参考訳（メタデータ） (2021-10-18T13:45:21Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z)
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。