論文の概要: Explainable Severity ranking via pairwise n-hidden comparison: a case study of glaucoma

• arxiv url: http://arxiv.org/abs/2312.02541v1
• Date: Tue, 5 Dec 2023 07:12:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 16:27:03.557320
• Title: Explainable Severity ranking via pairwise n-hidden comparison: a case study of glaucoma
• Title（参考訳）: 双対n-hidden比較による説明可能な重症度 : 緑内障の1例
• Authors: Hong Nguyen, Cuong V. Nguyen, Shrikanth Narayanan, Benjamin Y. Xu, Michael Pazzani
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 24.16414303668709
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Primary open-angle glaucoma (POAG) is a chronic and progressive optic nerve condition that results in an acquired loss of optic nerve fibers and potential blindness. The gradual onset of glaucoma results in patients progressively losing their vision without being consciously aware of the changes. To diagnose POAG and determine its severity, patients must undergo a comprehensive dilated eye examination. In this work, we build a framework to rank, compare, and interpret the severity of glaucoma using fundus images. We introduce a siamese-based severity ranking using pairwise n-hidden comparisons. We additionally have a novel approach to explaining why a specific image is deemed more severe than others. Our findings indicate that the proposed severity ranking model surpasses traditional ones in terms of diagnostic accuracy and delivers improved saliency explanations.
• Abstract（参考訳）: 原発性開放隅角緑内障(primary open-angle glaucoma, poag)は、慢性で進行性の視神経疾患であり、後天性視神経線維の喪失と潜在的な失明を引き起こす。 緑内障の段階的な発症により、患者は変化を意識せずに徐々に視力を失う。 気腫の診断と重症度判定には,包括的拡張眼科を施行する必要がある。 本研究では,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。 ペアワイズn-hidden比較を用いたシアムに基づく重度ランキングを導入する。 さらに、特定の画像が他の画像よりも厳しいと考えられる理由を説明するための新しいアプローチも用意しています。 以上の結果から,重症度分類モデルは従来の診断精度を上回っており,改善した給与説明が得られていることが示唆された。

関連論文リスト

• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus Images [0.0]
  50歳以上の人の不可逆性失明の主な原因の1つは白内障治療の遅れである。 我々は,低コストな診断システムの構築を目的として,CNN-LSTMに基づくモデルアーキテクチャを開発した。 提案されたアーキテクチャは、最先端の97.53%の精度で以前のシステムより優れていた。
  論文  参考訳（メタデータ） (2022-10-28T12:35:15Z)
• 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)
• GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
  グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。 この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。 緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
  論文  参考訳（メタデータ） (2022-02-14T06:54:15Z)
• COROLLA: An Efficient Multi-Modality Fusion Framework with Supervised Contrastive Learning for Glaucoma Grading [1.2250035750661867]
  緑内障の診断に有効な多モード教師付きコントラスト学習フレームワークであるCOROLLAを提案する。 教師付きコントラスト学習を用いて、より良い収束性でモデルの識別能力を高めます。 GAMMAデータセットでは,我々のCOROLLAフレームワークは最先端の手法と比較して圧倒的な緑内障グレーディング性能を達成している。
  論文  参考訳（メタデータ） (2022-01-11T06:00:51Z)
• 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)
• Two Eyes Are Better Than One: Exploiting Binocular Correlation for Diabetic Retinopathy Severity Grading [9.25565724620311]
  糖尿病網膜症 (DR) は糖尿病患者において最も多い眼疾患の1つである。 視覚障害は主にDRの後期に発生し、軽度から重度まで視覚障害の症状は大きく変化する。 網膜画像に基づく深層学習法は自動DRグレーディングにおいて顕著な成功を収めた。 本研究では,左右両眼の微妙な相関関係を捉えるための2流双眼ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-15T15:40:02Z)
• 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)
• Conditional GAN for Prediction of Glaucoma Progression with Macular Optical Coherence Tomography [4.823472957592564]
  緑内障の進行を予測するために条件付きGANアーキテクチャを用いた生成的深層学習モデルを構築した。 患者のOCTスキャンは,3～2回の先行測定から予測される。 以上より,2回の来院で得られたOCTスキャンは,6カ月後に次のOCTスキャンを予測するのに十分である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T22:24:46Z)
• 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。