論文の概要: ADAM Challenge: Detecting Age-related Macular Degeneration from Fundus Images

• arxiv url: http://arxiv.org/abs/2202.07983v2
• Date: Fri, 18 Feb 2022 03:42:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-21 12:44:09.297103
• Title: ADAM Challenge: Detecting Age-related Macular Degeneration from Fundus Images
• Title（参考訳）: ADAM チャレンジ: 眼底画像から加齢に伴う黄斑変性を検出する
• Authors: Huihui Fang, Fei Li, Huazhu Fu, Xu Sun, Xingxing Cao, Fengbin Lin, Jaemin Son, Sunho Kim, Gwenole Quellec, Sarah Matta, Sharath M Shankaranarayana, Yi-Ting Chen, Chuen-heng Wang, Nisarg A. Shah, Chia-Yen Lee, Chih-Chung Hsu, Hai Xie, Baiying Lei, Ujjwal Baid, Shubham Innani, Kang Dang, Wenxiu Shi, Ravi Kamble, Nitin Singhal, Jos\'e Ignacio Orlando, Hrvoje Bogunovi\'c, Xiulan Zhang, Yanwu Xu
• Abstract要約: 我々は、I SBI 2020カンファレンスの衛星イベントとして、初めて老化関連黄斑変性症(ADAM)の自動検出課題を設定した。 ADAMチャレンジは、基礎画像からAMDを検出する主要なトピックをカバーする4つのタスクから構成される。 本稿では,課題,データセット,評価手法を紹介するとともに,各タスクに参加するチームの結果を要約し,分析する。
• 参考スコア（独自算出の注目度）: 44.212866865895485
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Age-related macular degeneration (AMD) is the leading cause of visual impairment among elderly in the world. Early detection of AMD is of great importance as the vision loss caused by AMD is irreversible and permanent. Color fundus photography is the most cost-effective imaging modality to screen for retinal disorders. \textcolor{red}{Recently, some algorithms based on deep learning had been developed for fundus image analysis and automatic AMD detection. However, a comprehensive annotated dataset and a standard evaluation benchmark are still missing.} To deal with this issue, we set up the Automatic Detection challenge on Age-related Macular degeneration (ADAM) for the first time, held as a satellite event of the ISBI 2020 conference. The ADAM challenge consisted of four tasks which cover the main topics in detecting AMD from fundus images, including classification of AMD, detection and segmentation of optic disc, localization of fovea, and detection and segmentation of lesions. The ADAM challenge has released a comprehensive dataset of 1200 fundus images with the category labels of AMD, the pixel-wise segmentation masks of the full optic disc and lesions (drusen, exudate, hemorrhage, scar, and other), as well as the location coordinates of the macular fovea. A uniform evaluation framework has been built to make a fair comparison of different models. During the ADAM challenge, 610 results were submitted for online evaluation, and finally, 11 teams participated in the onsite challenge. This paper introduces the challenge, dataset, and evaluation methods, as well as summarizes the methods and analyzes the results of the participating teams of each task. In particular, we observed that ensembling strategy and clinical prior knowledge can better improve the performances of the deep learning models.
• Abstract（参考訳）: 加齢関連黄斑変性症(AMD)は、高齢者の視覚障害の主要な原因である。 AMDの早期検出は、AMDによる視力喪失が不可逆的で永続的であるため、非常に重要である。 カラー眼底撮影は網膜障害のスクリーニングに最も費用対効果の高い画像モダリティである。 近頃、深層学習に基づくいくつかのアルゴリズムが基礎画像解析と自動amd検出のために開発された。 しかし、包括的な注釈付きデータセットと標準評価ベンチマークがまだ欠けている。 この問題に対処するため、ISBI 2020カンファレンスの衛星イベントとして初めて、老化関連黄斑変性症(ADAM)の自動検出課題を設定した。 ADAM課題は、AMDの分類、光ディスクの検出・分節、葉の局在、病変の検出・分節を含む、基礎画像からのAMDの検出における主なトピックをカバーした4つの課題からなる。 ADAMの課題は、1200個の眼窩画像の包括的データセットをAMDのカテゴリラベル、全視ディスクと病変のピクセルワイドセグメンテーションマスク(ドライセン、エウデント、出血、傷など)、および黄斑窩の位置座標と共にリリースした。 異なるモデルの公正な比較を行うために、統一評価フレームワークが構築されている。 ADAMチャレンジでは、オンライン評価のために610の結果が提出され、最終的に11チームがオンサイトチャレンジに参加した。 本稿では,課題,データセット,評価手法を紹介するとともに,各タスクに参加するチームの結果を要約し,分析する。 特に,センシング戦略と臨床事前知識が深層学習モデルの性能を向上できることが観察された。

関連論文リスト

• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge [66.86170104167608]
  RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。 MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。 この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
  論文  参考訳（メタデータ） (2024-02-14T18:18:33Z)
• 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)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Improving AMD diagnosis by the simultaneous identification of associated retinal lesions [9.707114016577716]
  加齢関連黄斑変性症(AMD)は、先進国において視覚障害の主要な原因である。 本稿では,AMD診断と潜在的な病変の分類を同時に行うCNNに基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-22T17:52:02Z)
• 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)
• Fundus Image Analysis for Age Related Macular Degeneration: ADAM-2020 Challenge Report [0.685316573653194]
  加齢関連黄斑変性症(AMD)は高齢者の視覚障害の主要な原因の1つである。 我々は,AMDのコンピュータ支援診断のためのカラーファンドス画像を用いた深層学習に基づく網膜解析手法を提案する。
  論文  参考訳（メタデータ） (2020-09-03T09:46:32Z)
• AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography [61.405005501608706]
  アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。 前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。 既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。 私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
  論文  参考訳（メタデータ） (2020-05-05T14:55:01Z)
• Automatic lesion segmentation and Pathological Myopia classification in fundus images [1.4174475093445236]
  病理組織学的ミオピア (PM) の診断と, 視神経円板 (OD) , 眼窩, 萎縮, 剥離などの網膜構造, 病変の検出のためのアルゴリズムを提案する。 これらの課題は, PM患者からの根底画像撮影において実施され, PALM(Pathological Myopia Challenge)への参加が求められている。
  論文  参考訳（メタデータ） (2020-02-15T13:38:30Z)

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。