論文の概要: Enhancing Community Vision Screening -- AI Driven Retinal Photography for Early Disease Detection and Patient Trust

• arxiv url: http://arxiv.org/abs/2410.20309v1
• Date: Sun, 27 Oct 2024 02:31:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:15:48.814016
• Title: Enhancing Community Vision Screening -- AI Driven Retinal Photography for Early Disease Detection and Patient Trust
• Title（参考訳）: コミュニティビジョンスクリーニングの強化 -- 早期疾患検出と患者信頼のためのAI駆動網膜写真
• Authors: Xiaofeng Lei, Yih-Chung Tham, Jocelyn Hui Lin Goh, Yangqin Feng, Yang Bai, Zhi Da Soh, Rick Siow Mong Goh, Xinxing Xu, Yong Liu, Ching-Yu Cheng,
• Abstract要約: コミュニティビジョンスクリーニングは、視覚障害のある個人を識別し、回避可能な盲目を防ぐ上で重要な役割を担っている。 眼疾患関連視力喪失の患者を、さらに治療のために第三次眼科センターにスクリーニングし、参照するための、シンプルで効率的なプロセスの必要性が高まっている。 本稿では, 単純で非侵襲的な網膜写真に基づくECVS(Enhancing Community Vision Screening)ソリューションについて紹介する。
• 参考スコア（独自算出の注目度）: 17.849524259801765
• License:
• Abstract: Community vision screening plays a crucial role in identifying individuals with vision loss and preventing avoidable blindness, particularly in rural communities where access to eye care services is limited. Currently, there is a pressing need for a simple and efficient process to screen and refer individuals with significant eye disease-related vision loss to tertiary eye care centers for further care. An ideal solution should seamlessly and readily integrate with existing workflows, providing comprehensive initial screening results to service providers, thereby enabling precise patient referrals for timely treatment. This paper introduces the Enhancing Community Vision Screening (ECVS) solution, which addresses the aforementioned concerns with a novel and feasible solution based on simple, non-invasive retinal photography for the detection of pathology-based visual impairment. Our study employs four distinct deep learning models: RETinal photo Quality Assessment (RETQA), Pathology Visual Impairment detection (PVI), Eye Disease Diagnosis (EDD) and Visualization of Lesion Regions of the eye (VLR). We conducted experiments on over 10 datasets, totaling more than 80,000 fundus photos collected from various sources. The models integrated into ECVS achieved impressive AUC scores of 0.98 for RETQA, 0.95 for PVI, and 0.90 for EDD, along with a DICE coefficient of 0.48 for VLR. These results underscore the promising capabilities of ECVS as a straightforward and scalable method for community-based vision screening.
• Abstract（参考訳）: コミュニティ・ビジョン・スクリーニングは、視力喪失のある個人を特定する上で重要な役割を担い、特にアイケアサービスへのアクセスが制限された農村部において、避けられない盲目を防ぐ。 現在, 眼疾患関連視力喪失を主訴とする患者を, 3次アイケアセンターにスクリーニングし, 紹介するための, 簡便かつ効率的なプロセスの必要性が高まっている。 理想的なソリューションは、シームレスかつ容易に既存のワークフローと統合し、サービスプロバイダに包括的な初期スクリーニング結果を提供することで、タイムリーな治療のための正確な患者紹介を可能にします。 本報告では, 単純で非侵襲的な網膜写真を用いた画像診断システムであるECVS(Enhancing Community Vision Screening)について述べる。 ReTinal Photo Quality Assessment (RETQA), Pathology Visual Impairment Detection (PVI), Eye Disease Imaging (EDD), and Visualization of Lesion Regions of the Eye (VLR) の4つの異なるディープラーニングモデルを用いた。 さまざまな情報源から収集した8万枚以上の写真をもとに,10以上のデータセットを用いて実験を行った。 ECVSに組み込まれたモデルは、RETQAが0.98点、PVIが0.95点、EDDが0.90点、VLRが0.48点のAUCスコアを達成した。 これらの結果は、コミュニティベースの視覚スクリーニングの単純でスケーラブルな方法としてECVSの有望な能力を強調している。

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)
• Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging [1.8416014644193066]
  本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。 我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。 大規模データセットに対する実験結果から,提案手法の最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-08T22:25:15Z)
• Enhance Eye Disease Detection using Learnable Probabilistic Discrete Latents in Machine Learning Architectures [1.6000489723889526]
  糖尿病網膜症や緑内障などの眼疾患は、公衆衛生上の重大な課題となる。 深層学習モデルは、網膜イメージングのような医療画像を分析する強力なツールとして登場した。 課題は、モデル適合性と不確実性の推定であり、これは臨床的な意思決定に不可欠である。
  論文  参考訳（メタデータ） (2024-01-21T04:14:54Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• GraVIS: Grouping Augmented Views from Independent Sources for Dermatology Analysis [52.04899592688968]
  皮膚科画像から自己教師付き特徴を学習するために特に最適化されたGraVISを提案する。 GraVISは、病変のセグメンテーションと疾患分類のタスクにおいて、転送学習と自己教師型学習を著しく上回っている。
  論文  参考訳（メタデータ） (2023-01-11T11:38:37Z)
• An Ensemble Method to Automatically Grade Diabetic Retinopathy with Optical Coherence Tomography Angiography Images [4.640835690336653]
  糖尿病網膜症解析チャレンジ(DRAC)2022から得られる糖尿病網膜症(DR)画像を自動的に評価するアンサンブル法を提案する。 まず、最先端の分類ネットワークを採用し、利用可能なデータセットの異なる分割でUW-OCTA画像のグレードをトレーニングする。 最終的に、25のモデルを取得し、そのうち上位16のモデルを選択し、アンサンブルして最終的な予測を生成する。
  論文  参考訳（メタデータ） (2022-12-12T22:06:47Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)

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。