論文の概要: Self-supervised denoising of visual field data improves detection of glaucoma progression

• arxiv url: http://arxiv.org/abs/2411.12146v1
• Date: Tue, 19 Nov 2024 00:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:37:16.466415
• Title: Self-supervised denoising of visual field data improves detection of glaucoma progression
• Title（参考訳）: 視覚野データの自己教師付き denoising は緑内障の進行の検出を改善する
• Authors: Sean Wu, Jun Yu Chen, Vahid Mohammadzadeh, Sajad Besharati, Jaewon Lee, Kouros Nouri-Mahdavi, Joseph Caprioli, Zhe Fei, Fabien Scalzo,
• Abstract要約: 4000名以上の患者からの視覚野データに自己教師型深層学習が有効であることを示す。 マスク付きオートエンコーダは従来の方法よりもクリーンな復号化データを生み出した。
• 参考スコア（独自算出の注目度）: 10.406307305469356
• License:
• Abstract: Perimetric measurements provide insight into a patient's peripheral vision and day-to-day functioning and are the main outcome measure for identifying progression of visual damage from glaucoma. However, visual field data can be noisy, exhibiting high variance, especially with increasing damage. In this study, we demonstrate the utility of self-supervised deep learning in denoising visual field data from over 4000 patients to enhance its signal-to-noise ratio and its ability to detect true glaucoma progression. We deployed both a variational autoencoder (VAE) and a masked autoencoder to determine which self-supervised model best smooths the visual field data while reconstructing salient features that are less noisy and more predictive of worsening disease. Our results indicate that including a categorical p-value at every visual field location improves the smoothing of visual field data. Masked autoencoders led to cleaner denoised data than previous methods, such as variational autoencoders. A 4.7% increase in detection of progressing eyes with pointwise linear regression (PLR) was observed. The masked and variational autoencoders' smoothed data predicted glaucoma progression 2.3 months earlier when p-values were included compared to when they were not. The faster prediction of time to progression (TTP) and the higher percentage progression detected support our hypothesis that masking out visual field elements during training while including p-values at each location would improve the task of detection of visual field progression. Our study has clinically relevant implications regarding masking when training neural networks to denoise visual field data, resulting in earlier and more accurate detection of glaucoma progression. This denoising model can be integrated into future models for visual field analysis to enhance detection of glaucoma progression.
• Abstract（参考訳）: 周辺測定は患者の周辺視力と日常機能に関する洞察を与え、緑内障による視覚損傷の進行を識別するための主要な結果指標である。 しかし、視野データはノイズがあり、特に損傷の増大とともに高いばらつきを示す。 本研究では,4000人以上の患者からの視覚野データを自己教師型深層学習に応用し,その信号-雑音比と真の緑内障の進行を検出する能力を示す。 我々は、ノイズが少なく、病気の悪化を予測しやすい特徴を再構築しながら、どの自己教師型モデルが視野データを最も滑らかにするかを決定するために、変動型オートエンコーダ(VAE)とマスク付きオートエンコーダの両方を配置した。 この結果から,各視野位置のカテゴリー的なp-値を含めることで,視野データの平滑化が向上することが示唆された。 マスクオートエンコーダは、変分オートエンコーダのような従来の方法よりもクリーンな復号化データを生み出した。 点方向線形回帰(PLR)による進行眼の検出は4.7%増加した。 マスク付きおよび変動型オートエンコーダのスムーズなデータは、p値が含まれていない場合と比較して2.3ヶ月前に緑内障の進行を予測した。 進行時間 (TTP) の予測が早くなり, 進行率が高いほど, トレーニング中に視界要素を隠蔽し, それぞれの位置でp値を含むことにより, 視野進行を検出するタスクが向上するのではないか, という仮説が支持された。 本研究は,視覚野のデータを識別するためにニューラルネットワークを訓練し,緑内障の進行を早期かつより正確に検出する際のマスキングに関する臨床的意義について検討した。 このデノナイジングモデルは将来の視野解析モデルに統合され、緑内障の進行の検出が促進される。

関連論文リスト

• Deep Learning to Predict Glaucoma Progression using Structural Changes in the Eye [0.20718016474717196]
  緑内障は視神経症を特徴とする慢性眼疾患であり、不可逆的な視力喪失を引き起こす。 早期発見は萎縮をモニターし、さらなる視力障害を防ぐ治療戦略を開発するために重要である。 本研究では,深層学習モデルを用いて,複雑な疾患の特徴と進行基準を同定する。
  論文  参考訳（メタデータ） (2024-06-09T01:12:41Z)
• Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic Retinopathy Detection [0.0]
  糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。 機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。 本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-02T04:42:08Z)
• Harvard Glaucoma Detection and Progression: A Multimodal Multitask Dataset and Generalization-Reinforced Semi-Supervised Learning [16.465424871839627]
  我々は、ラベルのないデータを活用するために擬似スーパーバイザと呼ばれる新しい半教師付き学習(SSL)モデルを開発した。 次に、Harvard Glaucoma Detection and Progression (Harvard-GDP)データセットをリリースします。 これは、3D OCTイメージングデータと、一般公開されている最初の緑内障進展予測データセットを備えた、最大の緑内障検出データセットである。
  論文  参考訳（メタデータ） (2023-08-25T14:38:51Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Near-infrared and visible-light periocular recognition with Gabor features using frequency-adaptive automatic eye detection [69.35569554213679]
  近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。 本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。 このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
  論文  参考訳（メタデータ） (2022-11-10T13:04:03Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)
• Classifying Eye-Tracking Data Using Saliency Maps [8.524684315458245]
  本稿では,視線追跡データの自動的,定量的分類のための視覚情報に基づく特徴抽出手法を提案する。 サリエンシの振幅、類似度、相違点を対応するアイフィクスマップと比較すると、視覚追跡データを識別するために識別的特徴を生成するために有効に活用される情報の余分な次元が得られる。
  論文  参考訳（メタデータ） (2020-10-24T15:18:07Z)

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。