論文の概要: Deep-learning-based clustering of OCT images for biomarker discovery in age-related macular degeneration (Pinnacle study report 4)
- arxiv url: http://arxiv.org/abs/2405.09549v1
- Date: Tue, 12 Mar 2024 13:48:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 08:49:26.579980
- Title: Deep-learning-based clustering of OCT images for biomarker discovery in age-related macular degeneration (Pinnacle study report 4)
- Title(参考訳): 加齢黄斑変性におけるバイオマーカー発見のためのOCT画像の深層学習によるクラスタリング(分子研究報告4)
- Authors: Robbie Holland, Rebecca Kaye, Ahmed M. Hagag, Oliver Leingang, Thomas R. P. Taylor, Hrvoje Bogunović, Ursula Schmidt-Erfurth, Hendrik P. N. Scholl, Daniel Rueckert, Andrew J. Lotery, Sobha Sivaprasad, Martin J. Menten,
- Abstract要約: 加齢関連黄斑変性症(AMD)に対する深層学習に基づくバイオマーカーの提案について紹介する。
まず、自己教師付きコントラスト学習を用いてニューラルネットワークをトレーニングし、既知のAMDバイオマーカーと未知のAMDバイオマーカーの両方に関連する特徴を発見する。
- 参考スコア(独自算出の注目度): 7.932410831191909
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diseases are currently managed by grading systems, where patients are stratified by grading systems into stages that indicate patient risk and guide clinical management. However, these broad categories typically lack prognostic value, and proposals for new biomarkers are currently limited to anecdotal observations. In this work, we introduce a deep-learning-based biomarker proposal system for the purpose of accelerating biomarker discovery in age-related macular degeneration (AMD). It works by first training a neural network using self-supervised contrastive learning to discover, without any clinical annotations, features relating to both known and unknown AMD biomarkers present in 46,496 retinal optical coherence tomography (OCT) images. To interpret the discovered biomarkers, we partition the images into 30 subsets, termed clusters, that contain similar features. We then conduct two parallel 1.5-hour semi-structured interviews with two independent teams of retinal specialists that describe each cluster in clinical language. Overall, both teams independently identified clearly distinct characteristics in 27 of 30 clusters, of which 23 were related to AMD. Seven were recognised as known biomarkers already used in established grading systems and 16 depicted biomarker combinations or subtypes that are either not yet used in grading systems, were only recently proposed, or were unknown. Clusters separated incomplete from complete retinal atrophy, intraretinal from subretinal fluid and thick from thin choroids, and in simulation outperformed clinically-used grading systems in prognostic value. Overall, contrastive learning enabled the automatic proposal of AMD biomarkers that go beyond the set used by clinically established grading systems. Ultimately, we envision that equipping clinicians with discovery-oriented deep-learning tools can accelerate discovery of novel prognostic biomarkers.
- Abstract(参考訳): 現在、疾患はグレードシステムによって管理されており、患者はグレードシステムによって患者のリスクを示し、臨床管理を指導する段階に分類される。
しかし、これらの広いカテゴリーは一般的に予後に価値がなく、新しいバイオマーカーの提案は、現在、逸話的な観察に限られている。
本研究では, 加齢関連黄斑変性症(AMD)におけるバイオマーカー発見の促進を目的とした, 深層学習に基づくバイオマーカー提案システムを提案する。
まず、自己教師付きコントラスト学習を用いてニューラルネットワークをトレーニングし、臨床アノテーションなしで、46,496個の網膜光コヒーレンス断層撮影(OCT)画像に存在する既知のAMDバイオマーカーと未知のAMDバイオマーカーの両方に関連する特徴を発見する。
検出されたバイオマーカーを解釈するために、画像は類似した特徴を含む30のサブセット、いわゆるクラスタに分割する。
次に、臨床言語における各クラスタを記述した2つの独立した網膜スペシャリストチームと、1.5時間半構造化された2つの同時インタビューを行った。
全体として、両チームはそれぞれ、30クラスタ中27クラスタで明確な特徴を特定しており、そのうち23クラスタはAMDに関連している。
確立されたグレーティングシステムですでに使用されている既知のバイオマーカーとして7つが認識され、16の描写されたバイオマーカーの組み合わせまたはサブタイプがまだグレーティングシステムで使われていないか、最近提案されたか、不明であった。
クラスタは完全網膜萎縮症,網膜下液から網膜内液から分離し,薄い脈絡膜から厚みを分離した。
全体として、対照的な学習は、臨床に確立されたグレーティングシステムで使用されるセットを超えるAMDバイオマーカーの自動提案を可能にした。
最終的に、臨床医に発見指向のディープラーニングツールを装着することで、新しい予後バイオマーカーの発見を加速できると期待する。
関連論文リスト
- Latent Relationship Mining of Glaucoma Biomarkers: a TRI-LSTM based Deep Learning [4.35211788867287]
我々は認知科学の概念から学び、眼科医が緑内障の検出をどう判断するかを研究する。
本稿では,バイオマーカー指向機械学習モデルに基づく階層的意思決定システムを提案する。
本モデルは緑内障バイオマーカーの内在的な関係を探究する最初の試みの一つである。
論文 参考訳(メタデータ) (2024-08-28T06:08:46Z) - Improving Performance in Colorectal Cancer Histology Decomposition using Deep and Ensemble Machine Learning [0.7082642128219231]
組織学的にヘマトキシリンとエオシンで染色されたサンプルは、一般的に大腸癌管理に用いられている。
近年の研究では、手軽に利用できる画像から臨床関連バイオマーカーの抽出を容易にするための畳み込みニューラルネットワーク(CNN)の可能性を強調している。
CNNベースのバイオマーカーは、スピード、自動化、最小コストの利点を付加して、患者の結果をゴールデンスタンダードと同等に予測することができる。
論文 参考訳(メタデータ) (2023-10-25T19:46:27Z) - Clinically Labeled Contrastive Learning for OCT Biomarker Classification [12.633032175875865]
本稿では,臨床データから抽出可能なラベルに基づく医用画像のコントラスト学習手法を提案する。
バイオマーカーラベルを使わずに,臨床データを擬似ラベルとして利用することで,この関係を活用できる。
バイオマーカー検出AUROCでは,最大5%の性能向上が見られた。
論文 参考訳(メタデータ) (2023-05-24T13:51:48Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳(メタデータ) (2023-04-26T16:47:42Z) - Clustering disease trajectories in contrastive feature space for
biomarker discovery in age-related macular degeneration [7.2870166968239305]
加齢に伴う黄斑変性は、高齢者の視覚障害の主要な原因である。
画像バイオマーカーに基づく現在のグレーディングシステムは、粗いグループ病段階のみ広範囲に分類されている。
本稿では,病の進行の時間的ダイナミクスを捉えるバイオマーカーを自動的に検出する手法を提案する。
論文 参考訳(メタデータ) (2023-01-11T15:44:42Z) - Clinical Contrastive Learning for Biomarker Detection [15.510581400494207]
臨床とバイオマーカーデータの関係を利用して,バイオマーカー分類の性能を向上する。
これは、バイオマーカーラベルを使わずに、大量の臨床データを擬似ラベルとして活用することで達成される。
本手法は, バイオマーカー検出の精度を最大5%向上させることで, 自己監督手法の精度を最大で5%向上させることを示した。
論文 参考訳(メタデータ) (2022-11-09T18:29:56Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳(メタデータ) (2022-03-23T00:58:27Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳(メタデータ) (2022-03-21T09:57:20Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。
実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文 参考訳(メタデータ) (2021-01-22T19:49:47Z)
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。