論文の概要: Keratoconus Classifier for Smartphone-based Corneal Topographer

• arxiv url: http://arxiv.org/abs/2205.03702v1
• Date: Sat, 7 May 2022 18:39:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 17:09:57.987568
• Title: Keratoconus Classifier for Smartphone-based Corneal Topographer
• Title（参考訳）: スマートフォンを用いた角膜トポグラフィ用角質分類器
• Authors: Siddhartha Gairola, Pallavi Joshi, Anand Balasubramaniam, Kaushik Murali, Nipun Kwatra and Mohit Jain
• Abstract要約: ケラトコヌス(Keratoconus)は、角膜を変形させる重度の眼疾患である。 安価なスマートフォンベースの角膜トポグラフィー(SmartKCなど)がケラトコヌスの診断に役立てるために提案されている。 本稿では,SmartKC が生成した熱マップ上でケラトコヌスを分類するための二重頭畳み込みニューラルネットワーク (CNN) を提案する。
• 参考スコア（独自算出の注目度）: 6.693221730277371
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Keratoconus is a severe eye disease that leads to deformation of the cornea. It impacts people aged 10-25 years and is the leading cause of blindness in that demography. Corneal topography is the gold standard for keratoconus diagnosis. It is a non-invasive process performed using expensive and bulky medical devices called corneal topographers. This makes it inaccessible to large populations, especially in the Global South. Low-cost smartphone-based corneal topographers, such as SmartKC, have been proposed to make keratoconus diagnosis accessible. Similar to medical-grade topographers, SmartKC outputs curvature heatmaps and quantitative metrics that need to be evaluated by doctors for keratoconus diagnosis. An automatic scheme for evaluation of these heatmaps and quantitative values can play a crucial role in screening keratoconus in areas where doctors are not available. In this work, we propose a dual-head convolutional neural network (CNN) for classifying keratoconus on the heatmaps generated by SmartKC. Since SmartKC is a new device and only had a small dataset (114 samples), we developed a 2-stage transfer learning strategy -- using historical data collected from a medical-grade topographer and a subset of SmartKC data -- to satisfactorily train our network. This, combined with our domain-specific data augmentations, achieved a sensitivity of 91.3% and a specificity of 94.2%.
• Abstract（参考訳）: ケラトコヌス(keratoconus)は、角膜が変形する重度の眼疾患である。 10～25歳の人々に影響を与え、このデモグラフィーにおける盲目の主な原因である。 角膜トポグラフィーは角膜診断における金の標準である。 角膜トポグラフィーと呼ばれる高価でかさばる医療機器を用いて行われる非侵襲的なプロセスである。 これにより、特に南半球では大規模な人口では利用できない。 安価なスマートフォンベースの角膜トポグラフィー(SmartKCなど)がケラトコヌスの診断に役立てるために提案されている。 医学レベルのトポグラフィーと同様に、SmartKCは角膜診断のために医師が評価する必要がある曲率のヒートマップと定量的メトリクスを出力する。 これらのヒートマップと定量的値の評価のための自動的なスキームは、医師がいない地域で角膜のスクリーニングにおいて重要な役割を果たす。 本稿では,SmartKCが生成する熱マップ上でケラトコヌスを分類するための2重頭畳み込みニューラルネットワーク(CNN)を提案する。 SmartKCは新しいデバイスであり、小さなデータセット(114のサンプル)しか持っていなかったため、私たちは、2段階のトランスファー学習戦略を開発しました。 これはドメイン固有のデータ拡張と組み合わせて、91.3%の感度と94.2%の特異性を達成した。

関連論文リスト

• Exploring Explainable AI Techniques for Improved Interpretability in Lung and Colon Cancer Classification [0.0]
  肺がんと大腸がんは世界中で深刻な健康上の問題であり、死亡リスクを減らすためには早期かつ正確な診断が必要である。 組織学は依然として金の標準であり続けているが、サーバ間のミスには時間がかかり、脆弱である。 近年のディープラーニングの進歩は、医療画像解析への応用への関心を生んでいる。
  論文  参考訳（メタデータ） (2024-05-07T18:49:34Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Skin Lesion Diagnosis Using Convolutional Neural Networks [0.30458514384586394]
  本研究の目的は,様々な分野から画像分類のための最先端技術を収集し,この問題に対処することである。 モデルは8012画像のデータセットを用いて訓練され、その性能は2003画像を用いて評価された。 このモデルは、手作りの機能抽出を必要とせずに、イメージからラベルに直接、エンドツーエンドでトレーニングされています。
  論文  参考訳（メタデータ） (2023-05-18T17:15:08Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
  本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。 提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
  論文  参考訳（メタデータ） (2021-06-27T17:29:46Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Detecting Pulmonary Coccidioidomycosis (Valley fever) with Deep Convolutional Neural Networks [6.280530476948474]
  コクシディオイドマイカ症(コクシディオイドマイカ症、英語: Coccidioidomycosis)は、アメリカ合衆国南西部の犬において最も一般的な全身性マイカ症である。 我々は、Coccidioidomycosisの正確かつ解釈可能な予測を提供するために機械学習モデルを適用した。
  論文  参考訳（メタデータ） (2021-01-30T18:06:40Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Deep Learning Based Unsupervised and Semi-supervised Classification for Keratoconus [1.337031698173905]
  ケラトコヌス(Keratoconus)は、世界中で2000人中1人に感染する進行性多因子性角膜変性疾患である。 角膜移植以外に角膜移植や角膜架橋術の治療法はない。 微妙なKCまたはKC進行を正確に識別する能力は重要な臨床的意義である。
  論文  参考訳（メタデータ） (2020-01-31T03:56:12Z)

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。