論文の概要: Prediction of Cardiovascular Risk Factors from Retinal Fundus Images using CNNs

• arxiv url: http://arxiv.org/abs/2410.11535v1
• Date: Tue, 15 Oct 2024 12:10:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:01:08.337730
• Title: Prediction of Cardiovascular Risk Factors from Retinal Fundus Images using CNNs
• Title（参考訳）: CNNを用いた網膜基底画像からの心血管危険因子の予測
• Authors: Andrea Prenner,
• Abstract要約: 本研究は、畳み込みニューラルネットワーク(CNN)を用いて、英国バイオバンクデータセットの網膜画像から、心血管疾患危険因子の年齢、BMI、喫煙状況、HbA1c、収縮期血圧、拡張期血圧、性別および総コレステロールを予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Early detection of cardiovascular disease risk factors is essential to alter the course of the disease. Previous studies showed that deep learning can successfully be used to detect such risk factors from retinal images. This study uses convolutional neural networks (CNNs) to predict the cardiovascular disease risk factors age, BMI, smoking status, HbA1c, systolic blood pressure, diastolic blood pressure, gender and total cholesterol from retinal images from the UK Biobank data set. By applying contrast enhancement on the retinal images in the form of Gaussian filtering and deriving predictions on individual basis through the combination of left and right retinal image predictions, an increased prediction performance could be derived for the variables age (R2 score of 0.81) and systolic blood pressure (R2 score of 0.39) compared to previous studies using retinal images from the UK Biobank data set. Further, this is the first study that tries to predict HbA1c and total cholesterol from UK Biobank retinal fundus images. For these variables the models achieved an R2 score of 0.0579 for predicting HbA1c and an R2 score of 0.0157 for predicting total cholesterol. These results show that the value of deriving predictions for these two risk factors from retinal fundus images from the UK Biobank data set is limited.
• Abstract（参考訳）: 心血管疾患の危険因子の早期発見は、疾患の経過を変えるために不可欠である。 以前の研究では、網膜画像からこのような危険因子を検出するためにディープラーニングがうまく使えることが示されていた。 本研究は、畳み込みニューラルネットワーク(CNN)を用いて、英国バイオバンクデータセットの網膜画像から、心血管疾患危険因子の年齢、BMI、喫煙状況、HbA1c、収縮期血圧、拡張期血圧、性別および総コレステロールを予測する。 ガウスフィルターによる網膜画像のコントラスト向上と、左右の網膜画像予測の組み合わせによる個人レベルでの予測の導出により、英国バイオバンクデータセットの網膜画像を用いた以前の研究と比較して、変数年齢(R2スコア0.81)と収縮血圧(R2スコア0.39)の予測性能が向上した。 さらに、これは英国バイオバンクの網膜基底画像からHbA1cと総コレステロールを予測する最初の研究である。 これらの変数について、HbA1cを予測するR2スコアは0.0579、総コレステロールを予測するR2スコアは0.0157である。 これらの結果は,英国バイオバンクデータセットの網膜基底像から,これら2つの危険因子の予測値の導出値に制限があることを示唆している。

関連論文リスト

• 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)
• Predicting the risk of early-stage breast cancer recurrence using H\&E-stained tissue images [5.507561997194002]
  癌組織像の病理像を解析することにより,深層学習アルゴリズムが再発リスクを予測できるかどうかを検討した。 感度は0.857, 0.746, 0.529で, 低, 中間, 高リスク, 0.816, 0.803, 0.972。 クラス活性化マップを用いてこれらの研究を通して得られたモデルをチェックすると、異なるリスクグループを予測する際に、実際に管の形成と分裂速度を検討した。
  論文  参考訳（メタデータ） (2024-06-10T08:51:59Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  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。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• 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)
• BIO-CXRNET: A Robust Multimodal Stacking Machine Learning Technique for Mortality Risk Prediction of COVID-19 Patients using Chest X-Ray Images and Clinical Data [0.0]
  本研究は、イタリアで入院した930人の新型コロナウイルス患者のリスクを予測するために、25のバイオマーカーとCXR画像を用いている。 提案手法は精度、感度、F1スコアをそれぞれ89.03%、90.44%、89.03%とした。 ノモグラムに基づく採点法では、F1スコア92.88 %の高リスク患者の死亡確率を予測することができた。
  論文  参考訳（メタデータ） (2022-06-15T15:23:43Z)
• 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)
• 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)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。