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

• A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
  胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。 本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
  論文  参考訳（メタデータ） (2024-10-24T10:06:45Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• A hybrid CNN-RNN approach for survival analysis in a Lung Cancer Screening study [17.26942882598847]
  肺がん検診におけるCNN-RNNの長期生存について検討した。 モデルは心血管障害および呼吸不全の患者で訓練された。 Coxニューラルネットワークは、内部データセットで0.75、外部データセットで0.69のIPCW Cインデックスを達成することができる。
  論文  参考訳（メタデータ） (2023-03-19T23:00:41Z)
• 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)
• Cervical Optical Coherence Tomography Image Classification Based on Contrastive Self-Supervised Texture Learning [2.674926127069043]
  本研究の目的は,コンピュータ支援診断(CADx)による頚部CT画像の自己教師付き学習に基づく分類を行うことである。 畳み込みニューラルネットワーク(CNN)によって抽出された高レベルのセマンティックな特徴に加えて、CADxアプローチでは、対照的なテクスチャ学習によって学習された未ラベルの頚部CT画像のテクスチャ特徴を利用する。
  論文  参考訳（メタデータ） (2021-08-11T07:52:59Z)
• A new approach to extracting coronary arteries and detecting stenosis in invasive coronary angiograms [9.733630514873376]
  我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。 本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。 実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
  論文  参考訳（メタデータ） (2021-01-25T01:48:27Z)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)

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。