論文の概要: Detecting hidden signs of diabetes in external eye photographs
- arxiv url: http://arxiv.org/abs/2011.11732v1
- Date: Mon, 23 Nov 2020 21:14:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 02:04:16.305023
- Title: Detecting hidden signs of diabetes in external eye photographs
- Title（参考訳）: 外眼写真における糖尿病の隠れた兆候の検出
- Authors: Boris Babenko, Akinori Mitani, Ilana Traynis, Naho Kitade, Preeti
Singh, April Maa, Jorge Cuadros, Greg S. Corrado, Lily Peng, Dale R. Webster,
Avinash Varadarajan, Naama Hammel, Yun Liu
- Abstract要約: 眼前部の外部写真は、糖尿病性網膜疾患や血糖コントロールに関する洞察を明らかにすることができる。
糖尿病患者145,832人の外眼写真を用いた深層学習システム(DLS)を開発した。
以上の結果から, 糖尿病患者の医療提供者にとって, 外部視線写真は有用な情報を含んでいることが示唆された。
- 参考スコア（独自算出の注目度）: 3.0972826606740558
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diabetes-related retinal conditions can be detected by examining the
posterior of the eye. By contrast, examining the anterior of the eye can reveal
conditions affecting the front of the eye, such as changes to the eyelids,
cornea, or crystalline lens. In this work, we studied whether external
photographs of the front of the eye can reveal insights into both diabetic
retinal diseases and blood glucose control. We developed a deep learning system
(DLS) using external eye photographs of 145,832 patients with diabetes from 301
diabetic retinopathy (DR) screening sites in one US state, and evaluated the
DLS on three validation sets containing images from 198 sites in 18 other US
states. In validation set A (n=27,415 patients, all undilated), the DLS
detected poor blood glucose control (HbA1c > 9%) with an area under receiver
operating characteristic curve (AUC) of 70.2; moderate-or-worse DR with an AUC
of 75.3; diabetic macular edema with an AUC of 78.0; and vision-threatening DR
with an AUC of 79.4. For all 4 prediction tasks, the DLS's AUC was higher
(p<0.001) than using available self-reported baseline characteristics (age,
sex, race/ethnicity, years with diabetes). In terms of positive predictive
value, the predicted top 5% of patients had a 67% chance of having HbA1c > 9%,
and a 20% chance of having vision threatening diabetic retinopathy. The results
generalized to dilated pupils (validation set B, 5,058 patients) and to a
different screening service (validation set C, 10,402 patients). Our results
indicate that external eye photographs contain information useful for
healthcare providers managing patients with diabetes, and may help prioritize
patients for in-person screening. Further work is needed to validate these
findings on different devices and patient populations (those without diabetes)
to evaluate its utility for remote diagnosis and management.
- Abstract（参考訳）: 糖尿病関連網膜状態は、眼の後部を調べることで検出できる。
対照的に、眼の前部を調べると、眼の前面に影響を及ぼす条件が明らかになる(例えば、まぶた、角膜、結晶レンズの変化など)。
本研究では, 糖尿病性網膜疾患と血糖コントロールについて, 眼前眼の外部写真から知見が得られるかを検討した。
米国1州に301例の糖尿病網膜症(DR)スクリーニング部位を有する糖尿病患者145,832例の眼球画像を用いた深部学習システム(DLS)を開発し,他の18州198部位の画像を含む3つの検証セットを用いてDLSを評価した。
検証セットA(n=27,415例,全無治療)では,70.2の受信機動作特性曲線(AUC)以下の領域で血糖コントロール不良(HbA1c > 9%),75.3の中等度または弱度DR,78.0の糖尿病性黄斑浮腫,79.4の視力低下DRが検出された。
全4項目において, DLSのAUCは, 年齢, 性別, 人種, 民族, 糖尿病の年数など, 自己申告ベースライン特性よりも高い(p<0.001)。
予測値の正の面では、予測された上位5%の患者は、hba1c > 9%の確率が67%、視力が糖尿病網膜症を脅かす確率が20%であった。
その結果,拡張瞳孔(評価セットB,5,058例)と異なるスクリーニングサービス(評価セットC,10,402例)に一般化した。
以上の結果から,外部視線写真は糖尿病患者を管理する医療提供者にとって有用な情報を含んでいることが示唆された。
遠隔診断と管理に有用性を評価するためには, 異なるデバイスや患者集団(糖尿病のないもの)でこれらの知見を検証する必要がある。
関連論文リスト
- 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) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳（メタデータ） (2023-01-04T16:05:51Z) - Discovering novel systemic biomarkers in photos of the external eye [5.1989194363663245]
開発は、カリフォルニア州ロサンゼルス郡11カ所で糖尿病検診中の糖尿病患者49,015人の151,237枚の画像を活用した。
評価対象は, ロサンゼルス郡の3つの独立した部位, およびアトランタ大地域(GA)において, 28,869人の糖尿病患者と非糖尿病患者の3つのバリデーションセット(A, B, C)であった。
DLSはベースラインと比較して,AST>36,Ca8.6,eGFR60,Hgb11,血小板150,ACR>=300,WBC4の検出において,統計的に有意な優れた性能を示した。
論文 参考訳（メタデータ） (2022-07-19T00:28:38Z) - Performance of a deep learning system for detection of referable
diabetic retinopathy in real clinical settings [0.0]
RetCAD v.1.3.1は糖尿病網膜症(DR)を自動的に検出するために開発された。
この人工知能ベースの技術を活用して、リリース可能なワークロードの削減を分析する。
論文 参考訳（メタデータ） (2022-05-11T14:59:10Z) - 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) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - 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) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Automated Diabetic Retinopathy Grading using Deep Convolutional Neural
Network [0.7646713951724012]
糖尿病網膜症を正確に検出するコンピュータ支援検出システムの能力は、研究者の間で普及した。
本研究では,事前トレーニングされたDenseNet121ネットワークを利用して,いくつかの修正を加え,APTOS 2019データセットでトレーニングした。
提案手法は早期発見において他の最先端ネットワークよりも優れており,糖尿病網膜症の重症度評価において96.51%の精度でマルチラベル分類を行った。
論文 参考訳（メタデータ） (2020-04-14T07:37:21Z) - 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) - Instant automatic diagnosis of diabetic retinopathy [36.2143325805188]
OphtAIは、眼のラテラルを認識し、参照可能なDRを検出し、DR重症度を評価するために訓練された畳み込みニューラルネットワークのアンサンブルに依存している。
システムは164,660のスクリーニング手順から,733,848の画像のデータセットを用いて開発,検証した。
OphtAIは、FDAが認可している唯一のAIシステムよりも安全で高速で包括的だ。
論文 参考訳（メタデータ） (2019-06-12T08:34:57Z)
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。