論文の概要: Artificial Intelligence in Dry Eye Disease
- arxiv url: http://arxiv.org/abs/2109.01658v1
- Date: Thu, 2 Sep 2021 10:17:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 16:50:16.171114
- Title: Artificial Intelligence in Dry Eye Disease
- Title(参考訳): ドライアイ病における人工知能
- Authors: Andrea M. Stor{\aa}s, Inga Str\"umke, Michael A. Riegler, Jakob
Grauslund, Hugo L. Hammer, Anis Yazidi, P{\aa}l Halvorsen, Kjell G.
Gundersen, Tor P. Utheim, Catherine Jackson
- Abstract要約: ドライアイ病(DED)は5~50%の頻度である。
医学への応用における近年の成功は、主に機械学習のサブ分野の発展によるものである。
これは、DEDにおけるAIの使用に関する最初の文献レビューである。
- 参考スコア(独自算出の注目度): 4.444624718360766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dry eye disease (DED) has a prevalence of between 5 and 50\%, depending on
the diagnostic criteria used and population under study. However, it remains
one of the most underdiagnosed and undertreated conditions in ophthalmology.
Many tests used in the diagnosis of DED rely on an experienced observer for
image interpretation, which may be considered subjective and result in
variation in diagnosis. Since artificial intelligence (AI) systems are capable
of advanced problem solving, use of such techniques could lead to more
objective diagnosis. Although the term `AI' is commonly used, recent success in
its applications to medicine is mainly due to advancements in the sub-field of
machine learning, which has been used to automatically classify images and
predict medical outcomes. Powerful machine learning techniques have been
harnessed to understand nuances in patient data and medical images, aiming for
consistent diagnosis and stratification of disease severity. This is the first
literature review on the use of AI in DED. We provide a brief introduction to
AI, report its current use in DED research and its potential for application in
the clinic. Our review found that AI has been employed in a wide range of DED
clinical tests and research applications, primarily for interpretation of
interferometry, slit-lamp and meibography images. While initial results are
promising, much work is still needed on model development, clinical testing and
standardisation.
- Abstract(参考訳): ドライアイ病 (dry eye disease, ded) は、診断基準と研究対象の人口に応じて、5〜50\%の有病率を持つ。
しかし、眼科における最も診断や治療の少ない疾患の1つである。
DEDの診断に使用される多くの検査は、経験豊富な観察者による画像解釈に依存しており、それは主観的であり、診断のバリエーションをもたらす可能性がある。
人工知能(AI)システムは高度な問題解決が可能であるため、そのような技術を使用することでより客観的な診断につながる可能性がある。
一般的に「AI」という言葉が用いられるが、近年の医学への応用は、画像の自動分類や医療結果の予測に使用されている機械学習のサブ分野の進歩が主な原因である。
患者データと医療画像のニュアンスを理解するために、強力な機械学習技術が活用され、病気の重症度の一貫した診断と成層化を目指している。
これは、DEDにおけるAIの使用に関する最初の文献レビューである。
我々は,AIの簡単な紹介,DED研究における利用状況と臨床応用の可能性について報告する。
我々のレビューでは、AIは幅広いDED臨床検査や研究応用に使われており、主に干渉計、スリットランプ、メボグラフィー画像の解釈に使われている。
最初の結果は有望だが、モデル開発、臨床テスト、標準化にはまだ多くの作業が必要である。
関連論文リスト
- Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for
Multimodal Medical Diagnosis [59.35504779947686]
GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。
評価対象は17の人体システムである。
GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。
疾患の診断と包括的報告作成において重大な課題に直面している。
論文 参考訳(メタデータ) (2023-10-15T18:32:27Z) - Artificial intelligence in digital pathology: a diagnostic test accuracy
systematic review and meta-analysis [0.3957768262206625]
この体系的なレビューとメタアナリシスは、あらゆる種類の人工知能を用いた診断精度の研究を含む。
包含物として100の研究が同定され、152,000枚以上のスライド画像 (WSI) に相当し、多くの病型を表わした。
これらの研究では、平均感度は96.3%(CI 94.1-97.7)、平均特異度は93.3%(CI 90.5-95.4)であった。
全体として、AIはWSIに適用した場合に適切な精度を提供するが、そのパフォーマンスをより厳格に評価する必要がある。
論文 参考訳(メタデータ) (2023-06-13T00:45:54Z) - Case Studies on X-Ray Imaging, MRI and Nuclear Imaging [0.0]
我々は、AIベースのアプローチ、特にCNN(Convolutional Neural Networks)の使用が、医療画像技術による疾患検出にどのように役立つかに焦点を当てる。
CNNは、生の入力画像から特徴を抽出できるため、画像解析の一般的な手法である。
論文 参考訳(メタデータ) (2023-06-03T09:05:35Z) - HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare [89.8799665638295]
近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。
コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。
実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
論文 参考訳(メタデータ) (2023-01-25T09:25:08Z) - A Survey on Automated Diagnosis of Alzheimer's Disease Using Optical
Coherence Tomography and Angiography [0.0]
OCTとOCTAはアルツハイマー病(AD)の早期診断に有望なツールである
OCTデバイスが生成するマルチスライススキャンの解釈と分類は、訓練された実践者であっても時間がかかるし、難しい。
緑内障などの各種疾患に対するOCTスキャンの自動解析に関する機械学習およびディープラーニングアプローチに関する調査がある。
現在の文献では、OCTまたはOCTAを用いたアルツハイマー病や認知障害の診断に関する広範な調査が欠如している。
論文 参考訳(メタデータ) (2022-09-07T08:27:10Z) - Towards the Use of Saliency Maps for Explaining Low-Quality
Electrocardiograms to End Users [45.62380752173638]
診断に医用画像を使用する場合,画像が高品質であることが重要である。
遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。
本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
論文 参考訳(メタデータ) (2022-07-06T14:53:26Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - 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) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳(メタデータ) (2021-02-07T19:12:32Z) - Survey of XAI in digital pathology [3.4591414173342643]
本稿では,デジタル病理学におけるXAIについて,特定の特徴とニーズを持つ医用画像のサブディシプリタであるXAIについて紹介する。
病理画像診断における深層学習手法に関する現在のXAI技術の概要について概説する。
そこで我々は,XAIランドスケープの不可欠な部分として不確実性推定手法を取り入れた。
論文 参考訳(メタデータ) (2020-08-14T13:11:54Z)
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。