論文の概要: The 3D Structural Phenotype of the Glaucomatous Optic Nerve Head and its Relationship with The Severity of Visual Field Damage

• arxiv url: http://arxiv.org/abs/2301.02837v1
• Date: Sat, 7 Jan 2023 12:28:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 17:27:17.894823
• Title: The 3D Structural Phenotype of the Glaucomatous Optic Nerve Head and its Relationship with The Severity of Visual Field Damage
• Title（参考訳）: 緑内障視神経頭部の3次元表現型と視野障害の重症度との関係
• Authors: Fabian A. Braeu, Thanadet Chuangsuwanich, Tin A. Tun, Shamira A. Perera, Rahat Husain, Aiste Kadziauskiene, Leopold Schmetterer, Alexandre H. Thi\'ery, George Barbastathis, Tin Aung, and Micha\"el J.A. Girard
• Abstract要約: 早期緑内障では OnH 構造変化がみられ,後期では プラトー効果がみられた。 PointNetを用いて神経組織と結合組織の両方に3D ONH構造変化が認められた。
• 参考スコア（独自算出の注目度）: 45.923831389099696
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: $\bf{Purpose}$: To describe the 3D structural changes in both connective and neural tissues of the optic nerve head (ONH) that occur concurrently at different stages of glaucoma using traditional and AI-driven approaches. $\bf{Methods}$: We included 213 normal, 204 mild glaucoma (mean deviation [MD] $\ge$ -6.00 dB), 118 moderate glaucoma (MD of -6.01 to -12.00 dB), and 118 advanced glaucoma patients (MD < -12.00 dB). All subjects had their ONHs imaged in 3D with Spectralis optical coherence tomography. To describe the 3D structural phenotype of glaucoma as a function of severity, we used two different approaches: (1) We extracted human-defined 3D structural parameters of the ONH including retinal nerve fiber layer (RNFL) thickness, lamina cribrosa (LC) shape and depth at different stages of glaucoma; (2) we also employed a geometric deep learning method (i.e. PointNet) to identify the most important 3D structural features that differentiate ONHs from different glaucoma severity groups without any human input. $\bf{Results}$: We observed that the majority of ONH structural changes occurred in the early glaucoma stage, followed by a plateau effect in the later stages. Using PointNet, we also found that 3D ONH structural changes were present in both neural and connective tissues. In both approaches, we observed that structural changes were more prominent in the superior and inferior quadrant of the ONH, particularly in the RNFL, the prelamina, and the LC. As the severity of glaucoma increased, these changes became more diffuse (i.e. widespread), particularly in the LC. $\bf{Conclusions}$: In this study, we were able to uncover complex 3D structural changes of the ONH in both neural and connective tissues as a function of glaucoma severity. We hope to provide new insights into the complex pathophysiology of glaucoma that might help clinicians in their daily clinical care.
• Abstract（参考訳）: $\bf{purpose}$: 緑内障の異なる段階で発生する視神経頭(onh)の結合組織と神経組織の3d構造変化を記述するために、伝統的およびai駆動のアプローチを用いる。 213名,軽度緑内障204名 (平均偏差 [md] $\ge$ -6.00 db), 中等度緑内障118名 (md: -6.01から-12.00 db), 進行緑内障患者118名 (md < -12.00 db) であった。 全ての被験者は、スペクトル光コヒーレンストモグラフィーで3DでONHを画像化した。 To describe the 3D structural phenotype of glaucoma as a function of severity, we used two different approaches: (1) We extracted human-defined 3D structural parameters of the ONH including retinal nerve fiber layer (RNFL) thickness, lamina cribrosa (LC) shape and depth at different stages of glaucoma; (2) we also employed a geometric deep learning method (i.e. PointNet) to identify the most important 3D structural features that differentiate ONHs from different glaucoma severity groups without any human input. $\bf{Results}$: OnHの構造変化の大部分は早期緑内障期に発生し,その後後期にプラトー効果が認められた。 PointNetを用いて神経組織と結合組織の両方に3D ONH構造変化が認められた。 いずれのアプローチにおいても,ONH上層および下層部では構造変化が顕著であり,特にRCF,プレラミナ,LCでは顕著であった。 緑内障の重症度が高まるにつれて,これらの変化はより拡散し(広範に)、特にLCでは顕著であった。 この研究では、緑内障の重症度として、神経組織と結合組織の両方におけるonhの複雑な3d構造変化を明らかにすることができた。 緑内障の複雑な病態に関する新たな知見を提供し,臨床医の日常診療に役立てることが望まれる。

関連論文リスト

• Explainable Severity ranking via pairwise n-hidden comparison: a case study of glaucoma [24.16414303668709]
  原発性開放隅角緑内障(英: primary open-angle glaucoma, POAG)は、慢性進行性視神経疾患である。 POAGを診断し、その重症度を決定するためには、患者は包括的拡張眼科検査を受けなければならない。 眼底画像を用いて緑内障の重症度を分類・比較・解釈する枠組みを構築した。
  論文  参考訳（メタデータ） (2023-12-05T07:12:05Z)
• Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
  我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。 分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。 これにより3次元広視野CTスキャンが主流となる可能性がある。
  論文  参考訳（メタデータ） (2022-10-13T01:51:29Z)
• AI-based Clinical Assessment of Optic Nerve Head Robustness Superseding Biomechanical Testing [54.306443917863355]
  我々は,ONHの1つのOCTスキャンからのみ,与えられたONHの堅牢性を評価することができるAI駆動型アプローチを提案する。 縦断的研究は、ONHの頑健さが高速な視野障害進行因子の同定に役立つかどうかを確かめるべきである。
  論文  参考訳（メタデータ） (2022-06-09T11:29:28Z)
• Medical Application of Geometric Deep Learning for the Diagnosis of Glaucoma [60.42955087779866]
  シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。 全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。 ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
  論文  参考訳（メタデータ） (2022-04-14T14:55:25Z)
• Geometric Deep Learning to Identify the Critical 3D Structural Features of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
  視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。 我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。 幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
  論文  参考訳（メタデータ） (2022-04-14T12:52:10Z)
• The Three-Dimensional Structural Configuration of the Central Retinal Vessel Trunk and Branches as a Glaucoma Biomarker [41.97805846007449]
  我々は、光学的コヒーレンス断層撮影量(ONH)のBスキャンからCRVT&Bを自動的に分離する深層学習ネットワークを訓練した。 3Dと2Dの診断ネットワークは緑内障と非緑内障患者をそれぞれ82.7%と83.3%と区別することができた。
  論文  参考訳（メタデータ） (2021-11-07T04:41:49Z)
• Describing the Structural Phenotype of the Glaucomatous Optic Nerve Head Using Artificial Intelligence [43.803153617553114]
  視神経頭(ONH)は通常、緑内障の発生および進行に伴う複雑な神経組織および結合組織構造の変化を経験する。 そこで我々は,textbf(1)がONHのOCTスキャンから情報をフル活用し,textbf(2)がONHの構造的表現型を記述し,textbf(3)が堅牢な緑内障診断ツールとして使用できる深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-17T17:15:30Z)

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。