論文の概要: Identifying factors associated with fast visual field progression in
patients with ocular hypertension based on unsupervised machine learning
- arxiv url: http://arxiv.org/abs/2309.15867v1
- Date: Tue, 26 Sep 2023 20:46:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 19:27:09.657572
- Title: Identifying factors associated with fast visual field progression in
patients with ocular hypertension based on unsupervised machine learning
- Title（参考訳）: 非教師なし機械学習による眼圧亢進症患者の高速視野進行に関連する因子の同定
- Authors: Xiaoqin Huang, Asma Poursoroush, Jian Sun, Michael V. Boland, Chris
Johnson, and Siamak Yousefi
- Abstract要約: 潜在型混合モデル (LCMM) を用いて, 眼圧亢進症 (OHT) の亜型を同定した。
次に、一般化推定方程式(GEE)を用いて、高速視野(VF)進行の要因を特定した。
高速VF進行眼は, 基線年齢, 眼圧, パターン標準偏差 (PSD) と屈折誤差 (RE) が, 中心角膜厚 (CCT) は低かった。
急速な進行は、男性、心臓病の歴史、糖尿病の歴史、アフリカ系アメリカ人の人種、脳卒中の歴史、片頭痛といったカルシウムチャネルブロッカーと関連していた。
- 参考スコア（独自算出の注目度）: 32.87140054396467
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Purpose: To identify ocular hypertension (OHT) subtypes with different trends
of visual field (VF) progression based on unsupervised machine learning and to
discover factors associated with fast VF progression. Participants: A total of
3133 eyes of 1568 ocular hypertension treatment study (OHTS) participants with
at least five follow-up VF tests were included in the study. Methods: We used a
latent class mixed model (LCMM) to identify OHT subtypes using standard
automated perimetry (SAP) mean deviation (MD) trajectories. We characterized
the subtypes based on demographic, clinical, ocular, and VF factors at the
baseline. We then identified factors driving fast VF progression using
generalized estimating equation (GEE) and justified findings qualitatively and
quantitatively. Results: The LCMM model discovered four clusters (subtypes) of
eyes with different trajectories of MD worsening. The number of eyes in
clusters were 794 (25%), 1675 (54%), 531 (17%) and 133 (4%). We labelled the
clusters as Improvers, Stables, Slow progressors, and Fast progressors based on
their mean of MD decline, which were 0.08, -0.06, -0.21, and -0.45 dB/year,
respectively. Eyes with fast VF progression had higher baseline age,
intraocular pressure (IOP), pattern standard deviation (PSD) and refractive
error (RE), but lower central corneal thickness (CCT). Fast progression was
associated with calcium channel blockers, being male, heart disease history,
diabetes history, African American race, stroke history, and migraine
headaches.
- Abstract（参考訳）: 目的: 教師なし機械学習に基づく視覚野進行傾向の異なる眼圧亢進(OHT)サブタイプを特定し, 高速なVF進行に関連する因子を明らかにすること。
参加者: 合計3133眼, 眼圧治療研究1568名(OHTS)で, フォローアップVF検査を5回以上実施した。
方法: 標準自動ペリメトリ(SAP)平均偏差(MD)軌跡を用いてOHTサブタイプを同定するためにLCMMを用いた。
分類,臨床,眼,VF因子をベースラインとしたサブタイプを同定した。
次に,一般化推定式(GEE)を用いて高速なVF進行を誘導する要因を特定し,定性的かつ定量的に解析を行った。
結果: lcmmモデルはmdの悪化の異なる眼球の4つのクラスター(サブタイプ)を発見した。
クラスター中の眼の数は744人(25%)、1675人(54%)、531人(17%)、133人(4%)であった。
これらのクラスタを,それぞれ0.08,-0.06,-0.21,-0.45dB/年であるMD低下の平均値に基づいて,改良型,安定型,低速進行型,高速進行型とラベル付けした。
高速VF進行眼は, 基線年齢, 眼圧, パターン標準偏差 (PSD) と屈折誤差 (RE) が高かったが, 中心角膜厚 (CCT) は低かった。
早期進行はカルシウムチャネル阻害薬, 男性, 心臓病歴, 糖尿病歴, アフリカ系アメリカ人, 脳卒中歴, 片頭痛と関係していた。
関連論文リスト
- AI-Based Fully Automatic Analysis of Retinal Vascular Morphology in Pediatric High Myopia [15.957675068153586]
この研究には、中国の国立小児医療センターから1324人の参加者が参加した。
我々は,畳み込みニューラルネットワーク(CNN)モデルと,画像の分類のためのアッターモジュールを組み合わせたデータ解析モデルを提案する。
論文 参考訳（メタデータ） (2024-09-30T15:43:06Z) - Clustering disease trajectories in contrastive feature space for
biomarker discovery in age-related macular degeneration [7.2870166968239305]
加齢に伴う黄斑変性は、高齢者の視覚障害の主要な原因である。
画像バイオマーカーに基づく現在のグレーディングシステムは、粗いグループ病段階のみ広範囲に分類されている。
本稿では,病の進行の時間的ダイナミクスを捉えるバイオマーカーを自動的に検出する手法を提案する。
論文 参考訳（メタデータ） (2023-01-11T15:44:42Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Visual Acuity Prediction on Real-Life Patient Data Using a Machine Learning Based Multistage System [0.40151799356083057]
視力(VA)の予測と実生活環境下での劣化の早期検出は、不均一データや不完全データにより困難である。
本稿では,ドイツの最大医療病院の眼科領域の異なるITシステムを融合した研究対応型データコーパスを開発するためのワークフローを提案する。
マクロ平均F1スコアの最終的な予測精度は、57.8と50 +-10.7%の眼科医と同じ範囲でありながら、69 %のマクロ平均F1スコアが得られる。
論文 参考訳（メタデータ） (2022-04-25T21:20:27Z) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳（メタデータ） (2022-01-27T16:37:19Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳（メタデータ） (2021-12-18T17:05:53Z) - Pointwise visual field estimation from optical coherence tomography in
glaucoma: a structure-function analysis using deep learning [12.70143462176992]
SAP(Standard Automated Perimetry)は、緑内障治療における視野(VF)の喪失を監視するための金の標準である。
我々は,光学コヒーレンス・トモグラフィー(OCT)スキャンによる点方向および全体的VF損失を推定する深層学習(DL)回帰モデルを開発し,検証した。
論文 参考訳（メタデータ） (2021-06-07T16:58:38Z) - Multi-modal, multi-task, multi-attention (M3) deep learning detection of
reticular pseudodrusen: towards automated and accessible classification of
age-related macular degeneration [8.586199210679448]
加齢関連黄斑変性症 (AMD) の重要な特徴であるレチキュラー偽ドラセン (RPD) は、ヒトの専門家によって検出されていない。
本研究の目的は,PD検出のための新しい「M3」深層学習フレームワークの開発と評価である。
論文 参考訳（メタデータ） (2020-11-09T03:26:38Z) - A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。
一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文 参考訳（メタデータ） (2020-09-04T00:50:27Z) - Machine Learning Automatically Detects COVID-19 using Chest CTs in a
Large Multicenter Cohort [43.99203831722203]
16施設2096例の胸部CT検査を行った。
新型コロナウイルスの分類のためのメートル法に基づくアプローチは、解釈可能な特徴を使用した。
深層学習に基づく分類器は,CT減衰から抽出した3D特徴と空域不透明度の確率分布を区別した。
論文 参考訳（メタデータ） (2020-06-09T00:40:35Z)
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。