論文の概要: Artificial Intelligence in Assessing Cardiovascular Diseases and Risk
Factors via Retinal Fundus Images: A Review of the Last Decade
- arxiv url: http://arxiv.org/abs/2311.07609v1
- Date: Sat, 11 Nov 2023 13:09:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 16:55:47.767825
- Title: Artificial Intelligence in Assessing Cardiovascular Diseases and Risk
Factors via Retinal Fundus Images: A Review of the Last Decade
- Title（参考訳）: 網膜底像による心血管疾患と危険因子の評価における人工知能 : 過去10年間のレビュー
- Authors: Mirsaeed Abdollahi, Ali Jafarizadeh, Amirhosein Ghafouri Asbagh, Navid
Sobhi, Keysan Pourmoghtader, Siamak Pedrammehr, Houshyar Asadi, Roohallah
Alizadehsani, Ru-San Tan, U. Rajendra Acharya
- Abstract要約: 心臓血管疾患(CVDs)は、世界規模で死に至る主要な原因であり続けている。
人工知能(AI)技術の応用は、CVDの様々な側面を評価することで大きな人気を集めている。
心臓の機能をよりよく理解し、微小血管の特徴と機能に基づく変化を予想するために、研究者は現在、AIと非侵襲網膜スキャンの統合を検討している。
- 参考スコア（独自算出の注目度）: 8.782827397923757
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Background: Cardiovascular diseases (CVDs) continue to be the leading cause
of mortality on a global scale. In recent years, the application of artificial
intelligence (AI) techniques, particularly deep learning (DL), has gained
considerable popularity for evaluating the various aspects of CVDs. Moreover,
using fundus images and optical coherence tomography angiography (OCTA) to
diagnose retinal diseases has been extensively studied. To better understand
heart function and anticipate changes based on microvascular characteristics
and function, researchers are currently exploring the integration of AI with
non-invasive retinal scanning. Leveraging AI-assisted early detection and
prediction of cardiovascular diseases on a large scale holds excellent
potential to mitigate cardiovascular events and alleviate the economic burden
on healthcare systems. Method: A comprehensive search was conducted across
various databases, including PubMed, Medline, Google Scholar, Scopus, Web of
Sciences, IEEE Xplore, and ACM Digital Library, using specific keywords related
to cardiovascular diseases and artificial intelligence. Results: A total of 87
English-language publications, selected for relevance were included in the
study, and additional references were considered. This study presents an
overview of the current advancements and challenges in employing retinal
imaging and artificial intelligence to identify cardiovascular disorders and
provides insights for further exploration in this field. Conclusion:
Researchers aim to develop precise disease prognosis patterns as the aging
population and global CVD burden increase. AI and deep learning are
transforming healthcare, offering the potential for single retinal image-based
diagnosis of various CVDs, albeit with the need for accelerated adoption in
healthcare systems.
- Abstract（参考訳）: 背景:心血管疾患(cvds)は世界規模で死亡率の主要な原因であり続けている。
近年、人工知能(AI)技術の応用、特に深層学習(DL)は、CVDの様々な側面を評価することでかなりの人気を集めている。
また、眼底画像と光学コヒーレンス断層撮影(optical coherence tomography angiography:octa)を用いて網膜疾患の診断法が広く研究されている。
心臓の機能をよりよく理解し、微小血管の特徴と機能に基づく変化を予想するために、研究者は現在、AIと非侵襲網膜スキャンの統合を検討している。
AIを利用した大規模心血管疾患の早期発見と予測の活用は、循環器疾患の緩和と医療システムの経済的負担軽減に優れた可能性をもたらす。
Method: PubMed, Medline, Google Scholar, Scopus, Web of Sciences, IEEE Xplore, ACM Digital Libraryなど,さまざまなデータベースに対して,心臓血管疾患や人工知能に関連する特定のキーワードを使用して包括的な検索を行った。
結果:本研究に関連性のある87の英文出版物が収録され,追加の参考文献が検討された。
本研究では, 網膜イメージングと人工知能を用いて心血管疾患を同定する現在の進歩と課題について概観し, この分野のさらなる探究への洞察を提供する。
結論: 高齢化とグローバルCVD負荷の増加に伴い, 正確な疾患予後パターンの発達を目指す。
AIとディープラーニングは医療を変革させており、医療システムにおける迅速な採用の必要性にもかかわらず、網膜画像に基づく様々なCVDの診断の可能性を提供している。
関連論文リスト
- Artificial Intelligence in Pediatric Echocardiography: Exploring Challenges, Opportunities, and Clinical Applications with Explainable AI and Federated Learning [0.9866581731906279]
本研究は,小児心エコー図におけるAIの限界と可能性について概観する。
XAIとFLの相乗的ワークフローと役割を強調し、研究のギャップを特定し、将来の発展を探求する。
XAI と FL の3つの臨床応用例は, (i) 視認, (ii) 疾患分類, (iii) 心臓構造の分節化, (iv) 心臓機能の定量的評価に焦点をあてたものである。
論文 参考訳（メタデータ） (2024-11-15T15:03:34Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Artificial Intelligence and Diabetes Mellitus: An Inside Look Through
the Retina [7.740438266232459]
本稿では,糖尿病診断,予後,管理に関連する網膜画像に基づくAI応用研究の文献をレビューする。
総合的なAI支援糖尿病治療の成果について述べるが,DRスクリーニングに限らない。
倫理、データプライバシ、公平なアクセス、説明可能性といった問題を含む、このようなシステムを実装する上での障壁について論じる。
論文 参考訳（メタデータ） (2024-02-28T00:31:17Z) - Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for
Multimodal Medical Diagnosis [59.35504779947686]
GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。
評価対象は17の人体システムである。
GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。
疾患の診断と包括的報告作成において重大な課題に直面している。
論文 参考訳（メタデータ） (2023-10-15T18:32:27Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳（メタデータ） (2023-04-05T12:04:55Z) - A Survey on Automated Diagnosis of Alzheimer's Disease Using Optical
Coherence Tomography and Angiography [0.0]
OCTとOCTAはアルツハイマー病(AD)の早期診断に有望なツールである
OCTデバイスが生成するマルチスライススキャンの解釈と分類は、訓練された実践者であっても時間がかかるし、難しい。
緑内障などの各種疾患に対するOCTスキャンの自動解析に関する機械学習およびディープラーニングアプローチに関する調査がある。
現在の文献では、OCTまたはOCTAを用いたアルツハイマー病や認知障害の診断に関する広範な調査が欠如している。
論文 参考訳（メタデータ） (2022-09-07T08:27:10Z) - Machine learning based disease diagnosis: A comprehensive review [0.0]
このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。
1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。
このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
論文 参考訳（メタデータ） (2021-12-31T16:25:23Z) - Artificial Intelligence in Dry Eye Disease [4.444624718360766]
ドライアイ病(DED)は5～50%の頻度である。
医学への応用における近年の成功は、主に機械学習のサブ分野の発展によるものである。
これは、DEDにおけるAIの使用に関する最初の文献レビューである。
論文 参考訳（メタデータ） (2021-09-02T10:17:50Z) - 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) - 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) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。