論文の概要: Automating Detection of Papilledema in Pediatric Fundus Images with Explainable Machine Learning

• arxiv url: http://arxiv.org/abs/2207.04565v1
• Date: Sun, 10 Jul 2022 23:30:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-13 03:29:41.951707
• Title: Automating Detection of Papilledema in Pediatric Fundus Images with Explainable Machine Learning
• Title（参考訳）: 説明可能な機械学習による小児眼底画像の乳頭腫自動検出
• Authors: Kleanthis Avramidis, Mohammad Rostami, Melinda Chang, Shrikanth Narayanan
• Abstract要約: パピレデマは眼神経疾患であり、頭蓋内圧が上昇すると視神経が膨らむ。 本稿では,小児パピレデマの自動検出のためのディープラーニングに基づくアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 36.655566061309734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Papilledema is an ophthalmic neurologic disorder in which increased intracranial pressure leads to swelling of the optic nerves. Undiagnosed papilledema in children may lead to blindness and may be a sign of life-threatening conditions, such as brain tumors. Robust and accurate clinical diagnosis of this syndrome can be facilitated by automated analysis of fundus images using deep learning, especially in the presence of challenges posed by pseudopapilledema that has similar fundus appearance but distinct clinical implications. We present a deep learning-based algorithm for the automatic detection of pediatric papilledema. Our approach is based on optic disc localization and detection of explainable papilledema indicators through data augmentation. Experiments on real-world clinical data demonstrate that our proposed method is effective with a diagnostic accuracy comparable to expert ophthalmologists.
• Abstract（参考訳）: パピレデマは眼神経疾患であり、頭蓋内圧が上昇すると視神経が膨らむ。 小児の無診断の乳頭腫は盲目を引き起こす可能性があり、脳腫瘍などの生命を脅かす兆候である。 この症候群のロバストかつ正確な臨床診断は、深層学習を用いた眼底画像の自動解析により、特に、眼底に類似するが臨床的に異なる意味を持つ偽てんかんによる課題の存在下で、容易である。 小児パピレデマの自動検出のためのディープラーニングに基づくアルゴリズムを提案する。 本手法は,光ディスクの局在化とデータ拡張による説明可能なパピレドマインジケータの検出に基づく。 実世界の臨床データを用いて,本手法が専門眼科医に匹敵する診断精度で有効であることを示す。

関連論文リスト

• Diagnosis of diabetic retinopathy using machine learning & deep learning technique [0.4218593777811082]
  本稿では,物体検出と機械学習の分類技術を用いた新しい基礎検出手法を提案する。 我々は、YOLO_V8を用いて、眼底画像の物体検出を行い、光ディスク、光カップ、病変などの関心領域(ROI)を特定する。 次に、病理徴候の有無に基づいて、機械学習SVM分類アルゴリズムを用いてROIを異なるDRステージに分類する。
  論文  参考訳（メタデータ） (2024-11-25T10:09:37Z)
• Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
  DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
  論文  参考訳（メタデータ） (2023-03-23T18:50:18Z)
• Explainable Artificial Intelligence in Retinal Imaging for the detection of Systemic Diseases [0.0]
  本研究では,Deep Convolutional Neural Networks(CNN)を直接使用せずに,説明可能な段階的な段階付けプロセスを評価することを目的とする。 我々は,眼底画像の網膜血管評価を行うクリニアン・イン・ザ・ループ支援インテリジェントワークフローを提案する。 半自動的な方法論は、臨床医からのより多くのインプットと解釈を持つ医療アプリケーションにおいて、AIに対する連合的なアプローチを持つことを目的としている。
  論文  参考訳（メタデータ） (2022-12-14T07:00:31Z)
• Deepfake histological images for enhancing digital pathology [0.40631409309544836]
  我々は,クラスラベルに制約された病理像を合成する生成逆ネットワークモデルを開発した。 前立腺および大腸組織像の合成におけるこの枠組みの有用性について検討した。 大腸生検によるより複雑な画像へのアプローチを拡張し,そのような組織における複雑な微小環境も再現可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-16T17:11:08Z)
• A deep learning model for classification of diabetic retinopathy in eye fundus images based on retinal lesion detection [0.0]
  糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病が網膜に影響を及ぼす結果である。 失明の原因は、未診断で治療を受けていない場合である。 本稿では眼底画像の自動DR分類モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-14T22:04:59Z)
• 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)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• 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)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)

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。