論文の概要: Current and future roles of artificial intelligence in retinopathy of
prematurity
- arxiv url: http://arxiv.org/abs/2402.09975v1
- Date: Thu, 15 Feb 2024 14:35:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 15:25:24.860416
- Title: Current and future roles of artificial intelligence in retinopathy of
prematurity
- Title(参考訳): 未熟児網膜症における人工知能の現状と将来
- Authors: Ali Jafarizadeh, Shadi Farabi Maleki, Parnia Pouya, Navid Sobhi,
Mirsaeed Abdollahi, Siamak Pedrammehr, Chee Peng Lim, Houshyar Asadi,
Roohallah Alizadehsani, Ru-San Tan, Sheikh Mohammad Shariful Islam, U.
Rajendra Acharya
- Abstract要約: 未熟児の網膜症 (ROP) は重篤な病態である。
近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。
i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
- 参考スコア(独自算出の注目度): 14.333209377077058
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Retinopathy of prematurity (ROP) is a severe condition affecting premature
infants, leading to abnormal retinal blood vessel growth, retinal detachment,
and potential blindness. While semi-automated systems have been used in the
past to diagnose ROP-related plus disease by quantifying retinal vessel
features, traditional machine learning (ML) models face challenges like
accuracy and overfitting. Recent advancements in deep learning (DL), especially
convolutional neural networks (CNNs), have significantly improved ROP detection
and classification. The i-ROP deep learning (i-ROP-DL) system also shows
promise in detecting plus disease, offering reliable ROP diagnosis potential.
This research comprehensively examines the contemporary progress and challenges
associated with using retinal imaging and artificial intelligence (AI) to
detect ROP, offering valuable insights that can guide further investigation in
this domain. Based on 89 original studies in this field (out of 1487 studies
that were comprehensively reviewed), we concluded that traditional methods for
ROP diagnosis suffer from subjectivity and manual analysis, leading to
inconsistent clinical decisions. AI holds great promise for improving ROP
management. This review explores AI's potential in ROP detection,
classification, diagnosis, and prognosis.
- Abstract(参考訳): 未熟児網膜症(英: retinopathy of prematurity, rop)は、未熟児の網膜血管の異常成長、網膜剥離、潜在的な失明を引き起こす重篤な疾患である。
半自動システムは過去に網膜血管の特徴を定量化することでROP関連と疾患の診断に用いられてきたが、従来の機械学習(ML)モデルは精度や過剰適合といった課題に直面している。
近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。
i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
本研究は、網膜イメージングと人工知能(AI)を用いたROP検出の現代的進歩と課題を包括的に検討し、この領域におけるさらなる研究を導く貴重な洞察を提供する。
この分野における89のオリジナル研究(総括的に検討された1487の研究のうち)に基づき、rop診断の伝統的な方法は主観性と手作業による分析に苦しめられ、臨床判断に一貫性がないと結論づけた。
AIは、ROP管理を改善するための大きな約束を持っています。
本稿では,rop検出,分類,診断,予後におけるaiの可能性について検討する。
関連論文リスト
- Detection and Classification of Diabetic Retinopathy using Deep Learning
Algorithms for Segmentation to Facilitate Referral Recommendation for Test
and Treatment Prediction [0.0]
本研究は糖尿病網膜症(DR)の臨床的課題について考察する。
提案手法は、畳み込みニューラルネットワーク(CNN)を用いたトランスファーラーニングを利用して、単一の基礎写真を用いた自動DR検出を行う。
Jaccard、F1、リコール、精度、精度の高評価スコアは、網膜病理評価における診断能力を高めるモデルの可能性を示している。
論文 参考訳(メタデータ) (2024-01-05T11:19:24Z) - Artificial Intelligence in Assessing Cardiovascular Diseases and Risk
Factors via Retinal Fundus Images: A Review of the Last Decade [8.782827397923757]
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。
論文 参考訳(メタデータ) (2023-11-11T13:09:11Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - LAVA: Granular Neuron-Level Explainable AI for Alzheimer's Disease
Assessment from Fundus Images [15.02513291695459]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、進行性神経変性疾患であり、認知症の主要な原因である。
網膜は、脳と解剖学的に結びついているため、AD検出の診断部位として仮説化されている。
我々は、グラニュラーニューロンレベル説明器(LAVA)と呼ばれる新しいモデルに依存しない説明可能なAIフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-06T18:43:10Z) - Transfer Learning for Retinal Vascular Disease Detection: A Pilot Study
with Diabetic Retinopathy and Retinopathy of Prematurity [10.447939250507654]
本稿では,網膜血管疾患の診断に特徴的類似性を活用することを目的としたトランスファーラーニング手法を提案する。
実験の結果,従来のImageNet-pretrained Transfer Learningアプローチでは,DR-pretrainedアプローチがすべての指標で支配的であったことが確認された。
論文 参考訳(メタデータ) (2022-01-04T17:14:42Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - Evaluation of Interpretability for Deep Learning algorithms in EEG
Emotion Recognition: A case study in Autism [4.752074022068791]
説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。
この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
論文 参考訳(メタデータ) (2021-11-25T18:28:29Z) - 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) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳(メタデータ) (2020-09-16T15:16:03Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳(メタデータ) (2020-04-03T14:07:41Z)
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。