論文の概要: AI-Driven Diabetic Retinopathy Screening: Multicentric Validation of AIDRSS in India
- arxiv url: http://arxiv.org/abs/2501.05826v2
- Date: Mon, 13 Jan 2025 08:56:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:27:01.523604
- Title: AI-Driven Diabetic Retinopathy Screening: Multicentric Validation of AIDRSS in India
- Title（参考訳）: AI駆動型糖尿病網膜症のスクリーニング:インドにおけるAIDRSSの多中心的検証
- Authors: Amit Kr Dey, Pradeep Walia, Girish Somvanshi, Abrar Ali, Sagarnil Das, Pallabi Paul, Minakhi Ghosh,
- Abstract要約: 糖尿病網膜症(DR:diabetic retinopathy)は、特にインドでは、農村部では網膜専門医へのアクセスが制限されている主要な視覚障害の原因である。
本研究の目的は, DR検出および有病率評価のための人工知能を用いた糖尿病網膜症スクリーニングシステムを評価することである。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Purpose: Diabetic retinopathy (DR) is a major cause of vision loss, particularly in India, where access to retina specialists is limited in rural areas. This study aims to evaluate the Artificial Intelligence-based Diabetic Retinopathy Screening System (AIDRSS) for DR detection and prevalence assessment, addressing the growing need for scalable, automated screening solutions in resource-limited settings. Approach: A multicentric, cross-sectional study was conducted in Kolkata, India, involving 5,029 participants and 10,058 macula-centric retinal fundus images. The AIDRSS employed a deep learning algorithm with 50 million trainable parameters, integrated with Contrast Limited Adaptive Histogram Equalization (CLAHE) preprocessing for enhanced image quality. DR was graded using the International Clinical Diabetic Retinopathy (ICDR) Scale, categorizing disease into five stages (DR0 to DR4). Statistical metrics including sensitivity, specificity, and prevalence rates were evaluated against expert retina specialist assessments. Results: The prevalence of DR in the general population was 13.7%, rising to 38.2% among individuals with elevated random blood glucose levels. The AIDRSS achieved an overall sensitivity of 92%, specificity of 88%, and 100% sensitivity for detecting referable DR (DR3 and DR4). These results demonstrate the system's robust performance in accurately identifying and grading DR in a diverse population. Conclusions: AIDRSS provides a reliable, scalable solution for early DR detection in resource-constrained environments. Its integration of advanced AI techniques ensures high diagnostic accuracy, with potential to significantly reduce the burden of diabetes-related vision loss in underserved regions.
- Abstract（参考訳）: 目的:糖尿病網膜症(DR)は、特にインドでは、農村部では網膜専門医へのアクセスが制限されている。
本研究の目的は、DR検出と有病率評価のための人工知能ベースの糖尿病網膜スクリーニングシステム(AIDRSS)を評価することであり、リソース制限設定におけるスケーラブルで自動化されたスクリーニングソリューションの必要性の高まりに対処することである。
アプローチ:インド・コルカタで5,029人の参加者と10,058人のマキュラ中心網膜基底像を多軸横断的に分析した。
AIDRSSは5000万のトレーニング可能なパラメータを持つディープラーニングアルゴリズムを採用し、画像品質を向上させるためにContrast Limited Adaptive Histogram Equalization (CLAHE)と統合した。
国際糖尿病網膜症尺度(ICDR)を用いてDRを5段階(DR0〜DR4)に分類した。
感度,特異度,有病率などの統計指標を,専門家の網膜専門家による評価と比較した。
結果: 一般人口におけるDRの有病率は13.7%であり, ランダム血糖値の上昇により38.2%に上昇した。
AIDRSSは総感度92%,特異度88%,参照可能なDR(DR3,DR4)を100%検出した。
これらの結果は,多様な個体群におけるDRを正確に同定し,評価する上で,システムの堅牢性を示すものである。
結論: AIDRSSはリソース制約のある環境で、早期DR検出のための信頼性が高くスケーラブルなソリューションを提供する。
高度なAI技術の統合により、診断精度が向上し、未保存領域における糖尿病関連視覚障害の負担を大幅に軽減する可能性がある。
関連論文リスト
- Enhancing Diabetic Retinopathy Detection with CNN-Based Models: A Comparative Study of UNET and Stacked UNET Architectures [0.0]
糖尿病網膜症DRは糖尿病の重篤な合併症である。損傷または異常な血管は視力喪失を引き起こす可能性がある。
糖尿病患者の大量スクリーニングの必要性は、コンピュータ支援によるDRの完全自動診断への関心を生んでいる。
ディープラーニングフレームワーク、特に畳み込みニューラルネットワークCNNは、網膜画像を分析してDRを検出することに非常に興味を持ち、約束している。
論文 参考訳（メタデータ） (2024-11-02T14:02:45Z) - 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) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳（メタデータ） (2023-01-04T16:05:51Z) - Performance of a deep learning system for detection of referable
diabetic retinopathy in real clinical settings [0.0]
RetCAD v.1.3.1は糖尿病網膜症(DR)を自動的に検出するために開発された。
この人工知能ベースの技術を活用して、リリース可能なワークロードの削減を分析する。
論文 参考訳（メタデータ） (2022-05-11T14:59:10Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - Automated Detection and Diagnosis of Diabetic Retinopathy: A
Comprehensive Survey [0.0]
糖尿病網膜症(DR)は、世界の視覚障害の主要な原因である。
ディープラーニング/機械学習により、画像から特徴を抽出し、DRの存在を検出することができる。
このレビューでは、オープンな文献として5年以上にわたって公開されてきたDRに対するAIアプローチに関する文献を取り上げている。
論文 参考訳（メタデータ） (2021-06-30T21:45:15Z) - Diabetic Retinopathy Detection using Ensemble Machine Learning [1.2891210250935146]
糖尿病網膜症(Drebetic Retinopathy, DR)は、糖尿病患者の視覚障害の原因となる疾患である。
DRは、網膜に影響を及ぼす微小血管疾患であり、血管の閉塞を引き起こし、網膜組織の主要な栄養源を切断する。
論文 参考訳（メタデータ） (2021-06-22T17:36:08Z) - 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) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z) - DcardNet: Diabetic Retinopathy Classification at Multiple Levels Based
on Structural and Angiographic Optical Coherence Tomography [1.9262162668141078]
糖尿病網膜症(DR)分類の枠組みを満たすために,畳み込みニューラルネットワーク(CNN)に基づく手法を提案する。
DR分類のために、適応レートドロップアウト(DcardNet)を備えた高密度かつ連続的に接続されたニューラルネットワークを設計する。
国際臨床糖尿病網膜症尺度に基づいて3つの分類レベルを作成した。
論文 参考訳（メタデータ） (2020-06-09T19:44:10Z)
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。