論文の概要: Discriminating retinal microvascular and neuronal differences related to migraines: Deep Learning based Crossectional Study
- arxiv url: http://arxiv.org/abs/2408.07293v1
- Date: Tue, 30 Jul 2024 01:40:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 03:35:49.381647
- Title: Discriminating retinal microvascular and neuronal differences related to migraines: Deep Learning based Crossectional Study
- Title(参考訳): 片頭痛関連網膜微小血管と神経の鑑別 : 深層学習に基づく横断的研究
- Authors: Feilong Tang, Matt Trinh, Annita Duong, Angelica Ly, Fiona Stapleton, Zhe Chen, Zongyuan Ge, Imran Razzak,
- Abstract要約: 片頭痛の患者と片頭痛の人の間で網膜画像が区別される範囲について、限定的な理解がある。
我々は、畳み込みニューラルネットワークを眼底写真データに応用し、従来の人間の解釈では明らかでない網膜の相違を調べる。
片頭痛の個体は、片頭痛の個体と比較して、ニューロンの差異よりも微小血管の差異が示されることが示唆された。
- 参考スコア(独自算出の注目度): 25.42860765792006
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Migraine, a prevalent neurological disorder, has been associated with various ocular manifestations suggestive of neuronal and microvascular deficits. However, there is limited understanding of the extent to which retinal imaging may discriminate between individuals with migraines versus without migraines. In this study, we apply convolutional neural networks to color fundus photography (CFP) and optical coherence tomography (OCT) data to investigate differences in the retina that may not be apparent through traditional human-based interpretations of retinal imaging. Retrospective data of CFP type 1 [posterior pole] and type 2 [optic nerve head (ONH)] from 369 and 336 participants respectively were analyzed. All participants had bilaterally normal optic nerves and maculae, with no retinal-involving diseases. CFP images were concatenated with OCT default ONH measurements, then inputted through three convolutional neural networks - VGG-16, ResNet-50, and Inceptionv3. The primary outcome was performance of discriminating between with migraines versus without migraines, using retinal microvascular and neuronal imaging characteristics. Using CFP type 1 data, discrimination (AUC [95% CI]) was high (0.84 [0.8, 0.88] to 0.87 [0.84, 0.91]) and not significantly different between VGG-16, ResNet-50, and Inceptionv3. Using CFP type 2 [ONH] data, discrimination was reduced and ranged from poor to fair (0.69 [0.62, 0.77] to 0.74 [0.67, 0.81]). OCT default ONH measurements overall did not significantly contribute to model performance. Class activation maps (CAMs) highlighted that the paravascular arcades were regions of interest. The findings suggest that individuals with migraines demonstrate microvascular differences more so than neuronal differences in comparison to individuals without migraines.
- Abstract(参考訳): ミグライン(Migraine)は、神経障害や微小血管障害を示唆する様々な眼症状と関連付けられている。
しかし、網膜イメージングが片頭痛と片頭痛とを区別する範囲は限定されている。
本研究では、畳み込みニューラルネットワークをカラー・ファンドス・フォトグラフィ(CFP)と光コヒーレンス・トモグラフィー(OCT)データに適用し、従来のヒトによる網膜イメージングの解釈では明らかでない網膜の差を調べる。
369例と336例のCFP1型(後極)と2型(視神経頭)の観察データをそれぞれ分析した。
全ての被験者は両側に正常な視神経とマキュラを有し、網膜にかかわる疾患は無かった。
CFP画像はOCTデフォルトのONH測定と結合し、VGG-16、ResNet-50、Inceptionv3という3つの畳み込みニューラルネットワークを介して入力された。
その結果,片頭痛と片頭痛の鑑別成績は,網膜微小血管像と神経画像所見を用いて評価された。
CFPタイプ1データを用いて、差別(AUC [95% CI])は高い(0.84 [0.8, 0.88] から 0.87 [0.84, 0.91] であり、VGG-16、ResNet-50、Inceptionv3と大きく異なるものではない。
CFPタイプ2[ONH]データを用いて、差別を減らし、貧弱から公正(0.69[0.62, 0.77]から0.74[0.67, 0.81])まで範囲を拡大した。
OCTのデフォルトONH測定はモデル性能に大きく寄与しなかった。
クラスアクティベーションマップ (CAM) では, 副血管アーケードが興味のある領域であることを強調した。
その結果,片頭痛の個体は片頭痛の個体と比較して神経学的差異よりも微小血管の差が大きいことが示唆された。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳(メタデータ) (2024-09-29T07:04:26Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and
Generalisation over Variations of Data Sources [25.095695898777656]
我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。
このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。
実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2023-02-25T23:47:23Z) - Medical Application of Geometric Deep Learning for the Diagnosis of
Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。
全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。
ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文 参考訳(メタデータ) (2022-04-14T14:55:25Z) - Geometric Deep Learning to Identify the Critical 3D Structural Features
of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。
我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。
幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文 参考訳(メタデータ) (2022-04-14T12:52:10Z) - Multi-Scale Convolutional Neural Network for Automated AMD
Classification using Retinal OCT Images [1.299941371793082]
加齢関連黄斑変性症(AMD)は、先進国、特に60歳以上の人々において、視覚障害の最も一般的な原因である。
近年のディープラーニングの発展は、完全に自動化された診断フレームワークの開発にユニークな機会を与えている。
様々な大きさの受容場を用いて病理を識別できる多スケール畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳(メタデータ) (2021-10-06T18:20:58Z) - CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke
Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。
Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。
完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
論文 参考訳(メタデータ) (2021-04-07T09:09:13Z) - Latent Space Analysis of VAE and Intro-VAE applied to 3-dimensional MR
Brain Volumes of Multiple Sclerosis, Leukoencephalopathy, and Healthy
Patients [0.0]
多発性硬化症(MS)と微小血管性白質脳症は2つの異なる神経疾患である。
我々は,両疾患の特定の特徴を教師なしで学習するために,3次元深層ニューラルネットワークを訓練する。
論文 参考訳(メタデータ) (2021-01-17T20:31:22Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳(メタデータ) (2020-09-22T11:53:06Z) - Interpretation of 3D CNNs for Brain MRI Data Classification [56.895060189929055]
T1脳MRIにおける拡散テンソル画像の男女差について,これまでの知見を拡張した。
ボクセルの3次元CNN解釈を3つの解釈法の結果と比較する。
論文 参考訳(メタデータ) (2020-06-20T17:56:46Z) - Pathological myopia classification with simultaneous lesion segmentation
using deep learning [16.456009188497823]
最近導入されたPathologicalal Myopiaデータセットのために開発された畳み込みニューラルネットワークの結果に関する調査報告
我々は,新しい視神経頭(ONH)による萎縮と葉のセグメンテーションの予測法を提案する。
論文 参考訳(メタデータ) (2020-06-04T12:21:06Z)
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。