論文の概要: Deep Learning-Based Longitudinal Prediction of Childhood Myopia Progression Using Fundus Image Sequences and Baseline Refraction Data

• arxiv url: http://arxiv.org/abs/2407.21467v1
• Date: Wed, 31 Jul 2024 09:26:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 18:12:32.130392
• Title: Deep Learning-Based Longitudinal Prediction of Childhood Myopia Progression Using Fundus Image Sequences and Baseline Refraction Data
• Title（参考訳）: 基礎画像シーケンスとベースライン屈折データを用いた深層学習に基づく小児近視の経時的予測
• Authors: Mengtian Kang, Yansong Hu, Shuo Gao, Yuanyuan Liu, Hongbei Meng, Xuemeng Li, Xuhang Chen, Hubin Zhao, Jing Fu, Guohua Hu, Wei Wang, Yanning Dai, Arokia Nathan, Peter Smielewski, Ningli Wang, Shiming Li,
• Abstract要約: 小児の近視・近視リスクを定量的に予測する新しい高精度手法を提案する。 深層学習をベースとして, AUCスコアは0.944, 0.995で, 平均誤差は0.311D, 平均誤差は0.944, 平均誤差は0.995であった。
• 参考スコア（独自算出の注目度）: 7.544051156624095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Childhood myopia constitutes a significant global health concern. It exhibits an escalating prevalence and has the potential to evolve into severe, irreversible conditions that detrimentally impact familial well-being and create substantial economic costs. Contemporary research underscores the importance of precisely predicting myopia progression to enable timely and effective interventions, thereby averting severe visual impairment in children. Such predictions predominantly rely on subjective clinical assessments, which are inherently biased and resource-intensive, thus hindering their widespread application. In this study, we introduce a novel, high-accuracy method for quantitatively predicting the myopic trajectory and myopia risk in children using only fundus images and baseline refraction data. This approach was validated through a six-year longitudinal study of 3,408 children in Henan, utilizing 16,211 fundus images and corresponding refractive data. Our method based on deep learning demonstrated predictive accuracy with an error margin of 0.311D per year and AUC scores of 0.944 and 0.995 for forecasting the risks of developing myopia and high myopia, respectively. These findings confirm the utility of our model in supporting early intervention strategies and in significantly reducing healthcare costs, particularly by obviating the need for additional metadata and repeated consultations. Furthermore, our method was designed to rely only on fundus images and refractive error data, without the need for meta data or multiple inquiries from doctors, strongly reducing the associated medical costs and facilitating large-scale screening. Our model can even provide good predictions based on only a single time measurement. Consequently, the proposed method is an important means to reduce medical inequities caused by economic disparities.
• Abstract（参考訳）: 小児期のミオピアは、世界的な健康上の重要な問題となっている。 人口増加の傾向を示し、家族の健康に有害な深刻な、不可逆的な状況に発展し、実質的な経済的コストを生み出す可能性がある。 現代の研究は、時間的かつ効果的な介入を可能にするために、近視の進行を正確に予測することの重要性を強調している。 このような予測は主に主観的臨床評価に依存しており、それは本質的に偏りがあり、資源が集中しているため、広く応用されるのを妨げている。 本研究では,眼底画像とベースライン屈折データのみを用いて,小児の近視・近視リスクを定量的に予測する新しい高精度手法を提案する。 16,211眼底画像とそれに対応する屈折率データを用いて,ヘナンの3,408人の子どもを対象に6年間の縦断調査を行った。 深層学習による予測精度は, 平均誤差が0.311D, AUCスコアが0.944, 0.995で, 近視・近視のリスクを予測できた。 以上の結果から,早期介入戦略の支援や医療費の大幅な削減,特にメタデータの追加やコンサルテーションの反復の必要性を回避し,本モデルの有用性が確認された。 さらに,本手法は,メタデータや医師からの複数の問い合わせを必要とせず,眼底画像と屈折誤差データのみを頼りに設計され,医療費の大幅な削減と大規模検診の容易化が図られた。 我々のモデルは、単一の時間計測のみに基づいて良い予測を提供することもできる。 提案手法は, 経済格差による医療的不平等を軽減する重要な手段である。

関連論文リスト

• Active Sensing of Knee Osteoarthritis Progression with Reinforcement Learning [2.8498944632323755]
  変形性関節症(OA)は最も一般的な筋骨格疾患であり、治療法がない。 Knee OA (KOA) は障害の最も高い原因の1つであり、世界社会には数十億ドルの費用がかかる。
  論文  参考訳（メタデータ） (2024-08-05T09:54:08Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Semi-Supervised Diffusion Model for Brain Age Prediction [0.09192391403222863]
  脳年齢予測モデルは神経変性疾患の臨床的結果を予測することに成功しているが、進行の速い疾患や低品質データに関わる課題に苦しむことがある。 半教師付き拡散モデルを用いて、低画質のT1w MR画像上での時系列と予測年齢の相関関係を0.83(p0.01)とした。
  論文  参考訳（メタデータ） (2024-02-14T12:38:04Z)
• Deep Learning Innovations in Diagnosing Diabetic Retinopathy: The Potential of Transfer Learning and the DiaCNN Model [14.643107563426701]
  糖尿病網膜症(DR)は視覚障害の重要な原因である。 従来の診断法は人間の解釈に頼っており、精度と効率の点で課題に直面している。 従来の診断法と比較して,DR診断の精度が向上する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-25T07:24:06Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Beyond Fairness: Age-Harmless Parkinson's Detection via Voice [32.18414430326228]
  パーキンソン病(PD)は発声障害や発声障害として現れる。 ディープラーニングモデルは、現在、さまざまな年齢の発症に関する公平性の問題を抱えている。 本研究では,GradCAMに基づく特徴マスキングとアンサンブルモデルを組み合わせた新しいデバイアス手法を提案する。
  論文  参考訳（メタデータ） (2023-09-23T07:23:44Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Early Detection of Retinopathy of Prematurity (ROP) in Retinal Fundus Images Via Convolutional Neural Networks [9.292828440911356]
  未熟児網膜症(英: Retinopathy of prematurity、ROP)は、未熟児または低出生体重児の網膜に発生する異常血管である。 我々はこの問題を解決するために最先端の畳み込みニューラルネットワーク技術を適用した。
  論文  参考訳（メタデータ） (2020-06-12T07:04:13Z)

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。