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
- YOLO-Angio: An Algorithm for Coronary Anatomy Segmentation [13.603729336413833]
われわれは,MICCAI 2023におけるX線アンギオグラフィー画像(ARCADE)を用いた自動冠状動脈疾患診断への取り組みについて報告する。
我々の3段階のアプローチは、従来のコンピュータビジョンによる前処理と特徴選択を組み合わせて、船体コントラストを強化する。
最終セグメンテーションは、グラフベースのソート法で冠状樹を再構築する論理に基づくアプローチに基づいている。
論文 参考訳(メタデータ) (2023-10-24T15:02:02Z) - 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) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - 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) - 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。