論文の概要: Towards Automating Retinoscopy for Refractive Error Diagnosis
- arxiv url: http://arxiv.org/abs/2208.05552v1
- Date: Wed, 10 Aug 2022 20:32:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-12 13:37:59.033505
- Title: Towards Automating Retinoscopy for Refractive Error Diagnosis
- Title（参考訳）: 屈折誤差診断における網膜鏡の自動化に向けて
- Authors: Aditya Aggarwal, Siddhartha Gairola, Uddeshya Upadhyay, Akshay P
Vasishta, Diwakar Rao, Aditya Goyal, Kaushik Murali, Nipun Kwatra, Mohit Jain
- Abstract要約: 我々は、レチノスコープ映像を入力とし、ネット屈折誤差を推定するビデオ処理パイプラインを開発した。
本システムでは,レンズキットの必要性を軽減し,未訓練の検査者が実施することができる。
以上の結果から,本手法は実世界の医療環境において網膜内視鏡による屈折型エラースクリーニングツールとして有用である可能性が示唆された。
- 参考スコア（独自算出の注目度）: 7.543853902352074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Refractive error is the most common eye disorder and is the key cause behind
correctable visual impairment, responsible for nearly 80% of the visual
impairment in the US. Refractive error can be diagnosed using multiple methods,
including subjective refraction, retinoscopy, and autorefractors. Although
subjective refraction is the gold standard, it requires cooperation from the
patient and hence is not suitable for infants, young children, and
developmentally delayed adults. Retinoscopy is an objective refraction method
that does not require any input from the patient. However, retinoscopy requires
a lens kit and a trained examiner, which limits its use for mass screening. In
this work, we automate retinoscopy by attaching a smartphone to a retinoscope
and recording retinoscopic videos with the patient wearing a custom pair of
paper frames. We develop a video processing pipeline that takes retinoscopic
videos as input and estimates the net refractive error based on our proposed
extension of the retinoscopy mathematical model. Our system alleviates the need
for a lens kit and can be performed by an untrained examiner. In a clinical
trial with 185 eyes, we achieved a sensitivity of 91.0% and specificity of
74.0% on refractive error diagnosis. Moreover, the mean absolute error of our
approach was 0.75$\pm$0.67D on net refractive error estimation compared to
subjective refraction measurements. Our results indicate that our approach has
the potential to be used as a retinoscopy-based refractive error screening tool
in real-world medical settings.
- Abstract（参考訳）: 屈折誤差は最も一般的な眼疾患であり、修正可能な視覚障害の背後にある主要な原因であり、米国では視覚障害の80%近くを占めている。
屈折率誤差は、主観的屈折率、網膜内視鏡、自己屈折率などの複数の方法を用いて診断することができる。
主観的屈折は金の標準であるが、患者との協力が必要であるため、幼児、幼児、発達遅延した成人には適さない。
網膜内視鏡は、患者からの入力を必要としない客観的屈折法である。
しかし、網膜内視鏡は、レンズキットと訓練された検査器を必要とし、質量スクリーニングの使用を制限する。
そこで本研究では,レチノスコープにスマートフォンを装着し,独自の紙フレームを装着した患者に対してレチノスコープ映像の撮影を行い,網膜内視鏡の自動化を行った。
そこで本研究では,retinoscopic videoを入力とした映像処理パイプラインを開発し,提案するretinoscopy mathematical modelの拡張に基づいてネット屈折率を推定する。
本システムは,レンズキットの必要性を軽減し,未訓練の検査者によって実施することができる。
185眼の臨床試験で屈折率91.0%の感度と74.0%の特異性を得た。
また, 本手法の平均絶対誤差は, 主観的屈折率測定と比較して0.75$\pm$0.67Dであった。
以上の結果から,本手法は現実の医療現場において網膜内視鏡に基づく屈折率判定ツールとして使用できる可能性が示唆された。
関連論文リスト
- Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
再生ステップキャリブレーション拡散(Resorative Step-Calibrated Diffusion, RCD)は、画像修復法である。
RSCDは、画像復元問題を拡散ベース画像生成タスクの完了ステップとみなしている。
RSCDは、画像品質と知覚評価指標の両方において、他の広く使われている未使用画像復元方法よりも優れている。
論文 参考訳（メタデータ） (2024-03-20T15:38:53Z) - Predicting Postoperative Intraocular Lens Dislocation in Cataract
Surgery via Deep Learning [5.40411016117853]
白内障術後の難治性合併症は眼内レンズ脱臼である。
手術中のレンズ展開遅延,回転,不安定性の計算のための,最初の完全自動フレームワークを開発し,評価した。
4つの眼内レンズブランドを特徴とする白内障手術ビデオの大規模データセットを利用する。
論文 参考訳（メタデータ） (2023-12-06T10:27:15Z) - Deep Learning Methods for Retinal Blood Vessel Segmentation: Evaluation
on Images with Retinopathy of Prematurity [0.0]
未熟網膜画像の網膜症における血管セグメンテーションのための3つの高性能畳み込みニューラルネットワークの性能評価を行った。
実験の結果, 乳児の網膜血管は低コントラストにより検出が困難であった。
これら3つの溶液は、未熟の網膜症を診断するために使われず、代わりにノイズを表し、網膜血管と混同される脈絡膜血管も含む。
論文 参考訳（メタデータ） (2023-06-20T14:46:26Z) - 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) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳（メタデータ） (2021-10-06T08:10:28Z) - 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) - RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2
Visual Field Data based on Retinal Structure [109.33721060718392]
緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています
The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
論文 参考訳（メタデータ） (2020-10-15T03:09:08Z) - NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文 参考訳（メタデータ） (2020-08-07T04:31:33Z) - Early Blindness Detection Based on Retinal Images Using Ensemble
Learning [2.099922236065961]
糖尿病網膜症は、世界中の成人の視覚障害の主要な原因である。
デジタル画像処理(DIP)と機械学習(ML)の分野における最近の進歩は、この点において機械の使用方法の道を開いた。
本研究では、アンサンブル学習アルゴリズムを用いて網膜画像から抽出した色情報に基づいて、新しい早期盲検検出法を提案する。
論文 参考訳（メタデータ） (2020-06-12T21:16:21Z) - 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。