論文の概要: Predicting risk of cardiovascular disease using retinal OCT imaging
- arxiv url: http://arxiv.org/abs/2403.18873v1
- Date: Tue, 26 Mar 2024 14:42:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-29 20:23:28.493285
- Title: Predicting risk of cardiovascular disease using retinal OCT imaging
- Title(参考訳): 網膜CTによる心血管疾患の予測
- Authors: Cynthia Maldonado-Garcia, Rodrigo Bonazzola, Enzo Ferrante, Thomas H Julian, Panagiotis I Sergouniotis, Nishant Ravikumara, Alejandro F Frangi,
- Abstract要約: 将来性心血管疾患(CVD)の予知法としての光コヒーレンス断層撮影の可能性について検討した。
我々は,変分オートエンコーダ(VAE)に基づく自己教師型ディープラーニング手法を用いて,高次元 OCT 画像の低次元表現を学習した。
OCT画像で見られる脈絡膜層は,新しいモデル説明可能性アプローチを用いて,今後のCVD事象の予測因子として同定された。
- 参考スコア(独自算出の注目度): 40.71667870702634
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We investigated the potential of optical coherence tomography (OCT) as an additional imaging technique to predict future cardiovascular disease (CVD). We utilised a self-supervised deep learning approach based on Variational Autoencoders (VAE) to learn low-dimensional representations of high-dimensional 3D OCT images and to capture distinct characteristics of different retinal layers within the OCT image. A Random Forest (RF) classifier was subsequently trained using the learned latent features and participant demographic and clinical data, to differentiate between patients at risk of CVD events (MI or stroke) and non-CVD cases. Our predictive model, trained on multimodal data, was assessed based on its ability to correctly identify individuals likely to suffer from a CVD event(MI or stroke), within a 5-year interval after image acquisition. Our self-supervised VAE feature selection and multimodal Random Forest classifier differentiate between patients at risk of future CVD events and the control group with an AUC of 0.75, outperforming the clinically established QRISK3 score (AUC= 0.597). The choroidal layer visible in OCT images was identified as an important predictor of future CVD events using a novel approach to model explanability. Retinal OCT imaging provides a cost-effective and non-invasive alternative to predict the risk of cardiovascular disease and is readily accessible in optometry practices and hospitals.
- Abstract(参考訳): 光コヒーレンストモグラフィー(OCT)が将来性心血管疾患(CVD)の予測に有効である可能性について検討した。
我々は,変分オートエンコーダ(VAE)に基づく自己教師型深層学習手法を用いて,高次元 OCT 画像の低次元表現を学習し,OCT 画像内の異なる網膜層の異なる特徴を捉える。
ランダムフォレスト (RF) 分類器は, CVD イベント (MI または 脳卒中) のリスクのある患者と非CVD の患者を区別するために, 学習した潜伏的特徴と, 参加者の人口統計および臨床データを用いて訓練された。
画像取得後5年以内にCVDイベント(MIまたはストローク)に罹患する可能性のある個人を正しく識別する能力に基づいて,マルチモーダルデータに基づく予測モデルの評価を行った。
自己監督型VAE特徴選択とマルチモーダル型ランダムフォレスト分類器は,将来CVDイベントのリスクがある患者とAUC0.75のコントロール群とを区別し,QRISK3スコア(AUC=0.597)よりも優れていた。
OCT画像で見られる脈絡膜層は,新しいモデル説明可能性アプローチを用いて,今後のCVD事象の予測因子として同定された。
網膜CTは、心血管疾患のリスクを予測するための費用対効果と非侵襲的な代替手段を提供する。
関連論文リスト
- Multimodal Deep Learning for Personalized Renal Cell Carcinoma
Prognosis: Integrating CT Imaging and Clinical Data [3.790959613880792]
腎細胞癌は生存率の低い重要な世界的な健康上の課題である。
本研究の目的は, 腎細胞癌患者の生存確率を予測できる包括的深層学習モデルを考案することであった。
提案フレームワークは,3次元画像特徴抽出器,臨床変数選択,生存予測の3つのモジュールから構成される。
論文 参考訳(メタデータ) (2023-07-07T13:09:07Z) - TW-BAG: Tensor-wise Brain-aware Gate Network for Inpainting Disrupted
Diffusion Tensor Imaging [32.02624872108258]
本稿では,DTIスライスを塗布する3D-Wise-Aware Gate Network (TW-BAG)を提案する。
提案手法をHuman Connectome Project (HCP) データセット上で評価した。
実験の結果,提案手法は脳のDTI容積を再構築し,関連性のある臨床画像情報を復元できることが示唆された。
論文 参考訳(メタデータ) (2022-10-31T05:53:02Z) - Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using
Deep Transformers and Explainable Artificial Intelligence [20.415917092103033]
心筋炎は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。
HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発生に重要な役割を担っている
提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
論文 参考訳(メタデータ) (2022-10-26T10:34:20Z) - Replacing the Framingham-based equation for prediction of cardiovascular
disease risk and adverse outcome by using artificial intelligence and retinal
imaging [2.3972862241374444]
患者47,236人を対象に165,907枚の網膜画像を用いた。
フレイミングハム方程式に基づくリスクスコアを算出し、実際のCVD事象率も個人および全人口に対して決定された。
フラミンハムのスコアと比較すると、ORAiCLEは今後5年間の心血管イベントの予測において最大で12%精度が高かった。
論文 参考訳(メタデータ) (2022-07-17T09:39:38Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳(メタデータ) (2022-04-20T17:28:08Z) - Computer-Aided Extraction of Select MRI Markers of Cerebral Small Vessel
Disease: A Systematic Review [17.021934273900182]
脳小血管疾患(CSVD)は認知障害の原因となる認知機能障害である。
主観的かつ残酷な視覚的評価のアプローチを置き換えるために、近年の研究では、MRIスキャンからCSVDの画像バイオマーカーを抽出するために最先端の人工知能を適用している。
脳微小血腫 (CMB) , 拡張血管周囲腔 (PVS) , 血管起源と推定されるラキューンの3つの画像バイオマーカーについて, コンピュータ支援による検討を行った。
論文 参考訳(メタデータ) (2022-04-04T12:01:39Z) - Application of Homomorphic Encryption in Medical Imaging [60.51436886110803]
医療画像の予測にHEを用いて,不正な二次的データの使用を防止できることを示す。
結節検出に3次元胸部CT-Scansを用いた実験を行った。
論文 参考訳(メタデータ) (2021-10-12T19:57:12Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳(メタデータ) (2021-04-02T20:52:05Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z)
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。