論文の概要: Smartphone-Based Test and Predictive Models for Rapid, Non-Invasive, and
Point-of-Care Monitoring of Ocular and Cardiovascular Complications Related
to Diabetes
- arxiv url: http://arxiv.org/abs/2011.08068v1
- Date: Sun, 25 Oct 2020 00:57:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 04:42:21.463242
- Title: Smartphone-Based Test and Predictive Models for Rapid, Non-Invasive, and
Point-of-Care Monitoring of Ocular and Cardiovascular Complications Related
to Diabetes
- Title（参考訳）: 糖尿病関連眼・心血管合併症の迅速・非侵襲・ポイントオブケアモニタリングのためのスマートフォンによる検査・予測モデル
- Authors: Kasyap Chakravadhanula
- Abstract要約: 糖尿病の合併症としては、糖尿病網膜症や心血管疾患が挙げられる。
本研究は、これらの条件の機械学習によるスクリーニングの改良について述べる。
精度スコア、受信機動作特性曲線、学習曲線、その他のゲージは有望であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Among the most impactful diabetic complications are diabetic retinopathy, the
leading cause of blindness among working class adults, and cardiovascular
disease, the leading cause of death worldwide. This study describes the
development of improved machine learning based screening of these conditions.
First, a random forest model was developed by retrospectively analyzing the
influence of various risk factors (obtained quickly and non-invasively) on
cardiovascular risk. Next, a deep-learning model was developed for prediction
of diabetic retinopathy from retinal fundus images by a modified and re-trained
InceptionV3 image classification model. The input was simplified by
automatically segmenting the blood vessels in the retinal image. The technique
of transfer learning enables the model to capitalize on existing infrastructure
on the target device, meaning more versatile deployment, especially helpful in
low-resource settings. The models were integrated into a smartphone-based
device, combined with an inexpensive 3D-printed retinal imaging attachment.
Accuracy scores, as well as the receiver operating characteristic curve, the
learning curve, and other gauges, were promising. This test is much cheaper and
faster, enabling continuous monitoring for two damaging complications of
diabetes. It has the potential to replace the manual methods of diagnosing both
diabetic retinopathy and cardiovascular risk, which are time consuming and
costly processes only done by medical professionals away from the point of
care, and to prevent irreversible blindness and heart-related complications
through faster, cheaper, and safer monitoring of diabetic complications. As
well, tracking of cardiovascular and ocular complications of diabetes can
enable improved detection of other diabetic complications, leading to earlier
and more efficient treatment on a global scale.
- Abstract（参考訳）: 最も影響のある糖尿病の合併症は糖尿病網膜症であり、労働者階級の盲目の主な原因であり、心血管疾患であり、世界中で死因となっている。
本研究は、これらの条件の機械学習によるスクリーニングの改良について述べる。
まず,循環器リスクに対する各種危険因子(迅速かつ非侵襲的)の影響を振り返って解析し,ランダム森林モデルを開発した。
次に,InceptionV3画像分類モデルを用いて網膜基底画像から糖尿病網膜症を予測するための深層学習モデルを開発した。
入力は網膜画像内の血管を自動的に分割することで単純化された。
トランスファーラーニングのテクニックにより、ターゲットデバイス上の既存のインフラストラクチャを活用でき、特に低リソース環境では、より汎用的なデプロイメントが可能になる。
モデルはスマートフォンベースのデバイスに統合され、安価な3Dプリントの網膜イメージングアタッチメントが組み合わされた。
精度スコアと、受信者の特性曲線、学習曲線、その他のゲージは有望であった。
このテストはずっと安価で速く、糖尿病の2つの合併症に対する継続的なモニタリングを可能にします。
糖尿病網膜症と心血管リスクの両方を手動で診断する方法を置き換える可能性があり、糖尿病合併症の迅速で安価で安全なモニタリングを通じて、医療従事者が医療現場から離れて行うことしかできない時間とコストのかかるプロセスである。
また、糖尿病の心血管および眼合併症の追跡は、他の糖尿病合併症の検出の改善を可能にし、より早く、より効率的な治療を世界規模で行うことができる。
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) - Convolutional Neural Network Model for Diabetic Retinopathy Feature
Extraction and Classification [6.236743421605786]
我々は,新しいCNNモデルを作成し,基礎画像入力による糖尿病網膜症の重症度を同定する。
われわれは, 微小動脈瘤, 綿毛, 排出物, 出血の4つのDR特徴を, 畳み込み層を通して分類した。
我々の貢献は、より複雑なモデルに類似した精度で解釈可能なモデルである。
論文 参考訳（メタデータ） (2023-10-16T20:09:49Z) - 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) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳（メタデータ） (2023-04-05T12:04:55Z) - Secure and Privacy-Preserving Automated Machine Learning Operations into
End-to-End Integrated IoT-Edge-Artificial Intelligence-Blockchain Monitoring
System for Diabetes Mellitus Prediction [0.5825410941577593]
本稿では,危険因子に基づく糖尿病予測のためのIoT-edge-Artificial Intelligence (AI)-blockchainシステムを提案する。
提案システムはブロックチェーンによって支えられ、異なる病院の患者からリスクファクターデータの密集したビューを得る。
提案システムでは,最も正確なランダム林モデルを用いて,数値実験と比較解析を行った。
論文 参考訳（メタデータ） (2022-11-13T13:57:14Z) - A Residual Encoder-Decoder Network for Segmentation of Retinal
Image-Based Exudates in Diabetic Retinopathy Screening [1.8496844821697171]
網膜画像におけるエキダレートのセグメンテーションのための残差スキップ接続を有する畳み込みニューラルネットワークを提案する。
提案するネットワークは,糖尿病網膜症スクリーニングに適応し,高い精度で抽出する。
論文 参考訳（メタデータ） (2022-01-16T04:08:17Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Sea-Net: Squeeze-And-Excitation Attention Net For Diabetic Retinopathy
Grading [9.181677987146418]
糖尿病は個人で最も一般的な病気の1つである。
糖尿病網膜症 (DR) は糖尿病の合併症であり、失明を引き起こす可能性がある。
網膜画像に基づくDRグレーディングは、治療計画のための診断と予後に優れた価値を提供する。
論文 参考訳（メタデータ） (2020-10-29T03:48:01Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z) - Diabetic Retinopathy detection by retinal image recognizing [0.0]
アプリケーションの開発は畳み込みニューラルネットワークを通じて行われ、各画像ピクセルをデジタル画像処理して分析する。
VGG-16を事前訓練したモデルとして応用するのは非常に有用であり、最終的なモデルの精度は82%であった。
論文 参考訳（メタデータ） (2020-01-14T16:36:59Z)
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。