論文の概要: 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate Between Papilledema and Optic Disc Drusen

• arxiv url: http://arxiv.org/abs/2112.09970v1
• Date: Sat, 18 Dec 2021 17:05:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 16:10:55.281363
• Title: 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate Between Papilledema and Optic Disc Drusen
• Title（参考訳）: パピレドマと視神経円板ドルーゼンのロバストに識別する視神経頭部の3次元構造解析
• Authors: Micha\"el J.A. Girard, Satish K. Panda, Tin Aung Tun, Elisabeth A. Wibroe, Raymond P. Najjar, Aung Tin, Alexandre H. Thi\'ery, Steffen Hamann, Clare Fraser, and Dan Milea
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 44.754910718620295
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Purpose: (1) To develop a deep learning algorithm to identify major tissue structures of the optic nerve head (ONH) in 3D optical coherence tomography (OCT) scans; (2) to exploit such information to robustly differentiate among healthy, optic disc drusen (ODD), and papilledema ONHs. It was a cross-sectional comparative study with confirmed ODD (105 eyes), papilledema due to high intracranial pressure (51 eyes), and healthy controls (100 eyes). 3D scans of the ONHs were acquired using OCT, then processed to improve deep-tissue visibility. At first, a deep learning algorithm was developed using 984 B-scans (from 130 eyes) in order to identify: major neural/connective tissues, and ODD regions. The performance of our algorithm was assessed using the Dice coefficient (DC). In a 2nd step, a classification algorithm (random forest) was designed using 150 OCT volumes to perform 3-class classifications (1: ODD, 2: papilledema, 3: healthy) strictly from their drusen and prelamina swelling scores (derived from the segmentations). To assess performance, we reported the area under the receiver operating characteristic curves (AUCs) for each class. Our segmentation algorithm was able to isolate neural and connective tissues, and ODD regions whenever present. This was confirmed by an average DC of 0.93$\pm$0.03 on the test set, corresponding to good performance. Classification was achieved with high AUCs, i.e. 0.99$\pm$0.01 for the detection of ODD, 0.99 $\pm$ 0.01 for the detection of papilledema, and 0.98$\pm$0.02 for the detection of healthy ONHs. Our AI approach accurately discriminated ODD from papilledema, using a single OCT scan. Our classification performance was excellent, with the caveat that validation in a much larger population is warranted. Our approach may have the potential to establish OCT as the mainstay of diagnostic imaging in neuro-ophthalmology.
• Abstract（参考訳）: 目的:(1)3次元光コヒーレンス断層撮影(oct)における視神経頭(onh)の主要組織構造を同定する深層学習アルゴリズムの開発、(2)健康な視神経乳頭drusen(odd)と乳頭浮腫onhsをロバストに区別するために活用すること。 ODD (105眼), 高頭蓋内圧 (51眼), 健常眼 (100眼) を用いた横断的比較研究であった。 OnHsの3DスキャンはOCTを用いて取得され、深部視認性を改善するために処理された。 当初は、主要な神経結合組織とODD領域を識別するために、984個のBスキャン(130の目から)を用いてディープラーニングアルゴリズムが開発された。 本アルゴリズムの性能はDice coefficient (DC) を用いて評価した。 2段階目では,150 OCTボリュームを用いた分類アルゴリズム(ランダム・フォレスト)を設計し,ドライセンおよびプレラミナ膨れスコア(セグメンテーション由来)から厳密に3クラス分類(1: ODD, 2: papilledema, 3: healthy)を行った。 性能評価のために,各クラスに対して受信機動作特性曲線 (AUC) に基づくエリアを報告した。 我々のセグメンテーションアルゴリズムは神経組織と結合組織とODD領域をいつでも分離することができた。 これはテストセット上の平均dc 0.93$\pm$0.03 で確認され、良好な性能が得られた。 ODDの検出には0.99$\pm$0.01、パピレデマの検出には0.99$\pm$0.01、健康なONHの検出には0.98$\pm$0.02と高いAUCで分類された。 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。 私たちの分類性能は優れており、より広い人口での検証が保証されていることを指摘しています。 神経眼科における診断画像の主流としてOCTを確立できる可能性がある。

関連論文リスト

• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
  我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。 分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。 これにより3次元広視野CTスキャンが主流となる可能性がある。
  論文  参考訳（メタデータ） (2022-10-13T01:51:29Z)
• AI-based Clinical Assessment of Optic Nerve Head Robustness Superseding Biomechanical Testing [54.306443917863355]
  我々は,ONHの1つのOCTスキャンからのみ,与えられたONHの堅牢性を評価することができるAI駆動型アプローチを提案する。 縦断的研究は、ONHの頑健さが高速な視野障害進行因子の同定に役立つかどうかを確かめるべきである。
  論文  参考訳（メタデータ） (2022-06-09T11:29:28Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Medical Application of Geometric Deep Learning for the Diagnosis of Glaucoma [60.42955087779866]
  シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。 全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。 ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
  論文  参考訳（メタデータ） (2022-04-14T14:55:25Z)
• Geometric Deep Learning to Identify the Critical 3D Structural Features of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
  視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。 我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。 幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
  論文  参考訳（メタデータ） (2022-04-14T12:52:10Z)
• Multi-Scale Convolutional Neural Network for Automated AMD Classification using Retinal OCT Images [1.299941371793082]
  加齢関連黄斑変性症(AMD)は、先進国、特に60歳以上の人々において、視覚障害の最も一般的な原因である。 近年のディープラーニングの発展は、完全に自動化された診断フレームワークの開発にユニークな機会を与えている。 様々な大きさの受容場を用いて病理を識別できる多スケール畳み込みニューラルネットワーク(CNN)を提案する。
  論文  参考訳（メタデータ） (2021-10-06T18:20:58Z)
• LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation [5.457168581192045]
  最近のディープラーニングアルゴリズムは、有望な血管セグメンテーションの結果を生み出した。 しかし、手動による注記データがないため、3D網膜血管セグメンテーションは依然として困難である。 自己合成モダリティのみによって教師される学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T07:51:33Z)
• Deep Learning based detection of Acute Aortic Syndrome in contrast CT images [2.2928817466049405]
  急性大動脈症候群 (AAS) は大動脈の生命を脅かす一群である。 我々はCT画像におけるAAS検出のためのエンドツーエンド自動アプローチを開発した。
  論文  参考訳（メタデータ） (2020-04-03T16:12:04Z)

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。