論文の概要: Automatic detection and prediction of nAMD activity change in retinal OCT using Siamese networks and Wasserstein Distance for ordinality

• arxiv url: http://arxiv.org/abs/2501.14323v1
• Date: Fri, 24 Jan 2025 08:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:57:24.996605
• Title: Automatic detection and prediction of nAMD activity change in retinal OCT using Siamese networks and Wasserstein Distance for ordinality
• Title（参考訳）: Siamese NetworkとWasserstein Distanceを用いた網膜OCTにおけるNAMD活性変化の自動検出と予測
• Authors: Taha Emre, Teresa Araújo, Marzieh Oghbaie, Dmitrii Lachinov, Guilherme Aresta, Hrvoje Bogunović,
• Abstract要約: 加齢に伴う黄斑変性(nAMD)は,高齢者の視力低下の原因である。 近年のディープラーニングの進歩は、光学コヒーレンストモグラフィー(OCT)網膜ボリュームからAMDの変化を予測するための有望なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 0.7832670743787916
• License:
• Abstract: Neovascular age-related macular degeneration (nAMD) is a leading cause of vision loss among older adults, where disease activity detection and progression prediction are critical for nAMD management in terms of timely drug administration and improving patient outcomes. Recent advancements in deep learning offer a promising solution for predicting changes in AMD from optical coherence tomography (OCT) retinal volumes. In this work, we proposed deep learning models for the two tasks of the public MARIO Challenge at MICCAI 2024, designed to detect and forecast changes in nAMD severity with longitudinal retinal OCT. For the first task, we employ a Vision Transformer (ViT) based Siamese Network to detect changes in AMD severity by comparing scan embeddings of a patient from different time points. To train a model to forecast the change after 3 months, we exploit, for the first time, an Earth Mover (Wasserstein) Distance-based loss to harness the ordinal relation within the severity change classes. Both models ranked high on the preliminary leaderboard, demonstrating that their predictive capabilities could facilitate nAMD treatment management.
• Abstract（参考訳）: 加齢に伴う黄斑変性(nAMD)は, 高齢者の視力低下の主要な原因であり, 疾患活動の検出と進行予測は, 経時的に薬物投与を行い, 患者の予後を改善するために重要である。 近年のディープラーニングの進歩は、光学コヒーレンストモグラフィー(OCT)網膜ボリュームからAMDの変化を予測するための有望なソリューションを提供する。 本研究では,縦型網膜OCTによるnAMD重症度変化の検出と予測を目的としたMICCAI 2024におけるMARIOチャレンジの2つの課題に対するディープラーニングモデルを提案する。 まず、視覚変換器(ViT)をベースとしたSiamese Networkを用いて、異なる時刻からの患者のスキャン埋め込みを比較して、AMDの重症度の変化を検出する。 モデルを用いて3ヶ月後の変動予測を行うため,重度変化クラス内の順序関係を利用するために,アース・マーバー(ワッサーシュタイン)距離に基づく損失を初めて活用する。 どちらのモデルも予備のリーダーボードで上位にランクされ、彼らの予測能力がnAMD治療管理を促進することを実証した。

関連論文リスト

• Patch-Based and Non-Patch-Based inputs Comparison into Deep Neural Models: Application for the Segmentation of Retinal Diseases on Optical Coherence Tomography Volumes [0.3749861135832073]
  AMDは、2040年までに2億8800万人に達すると予想されている。 ディープラーニングネットワークは、画像とピクセルレベルの2Dスキャンの分類において有望な結果を示している。 DSC測定値のパッチベースモデルが最も高いスコアは0.88であり、SRF流体セグメンテーションの非パッチベースでは0.71であった。
  論文  参考訳（メタデータ） (2025-01-22T10:22:08Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Multi-scale Spatio-temporal Transformer-based Imbalanced Longitudinal Learning for Glaucoma Forecasting from Irregular Time Series Images [45.894671834869975]
  緑内障は、進行性視神経線維損傷と不可逆性失明を引き起こす主要な眼疾患の1つである。 逐次画像入力に適した変換器アーキテクチャに基づくマルチスケール時空間変換器ネットワーク(MST-former)を提案する。 本手法は, 軽度認知障害とアルツハイマー病の予測に90.3%の精度で, アルツハイマー病神経画像イニシアチブ(ADNI)MRIデータセットに優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2024-02-21T02:16:59Z)
• LMT: Longitudinal Mixing Training, a Framework to Predict Disease Progression from a Single Image [1.805673949640389]
  本稿では,2つの連続試験間の重み付き平均時間である$t_mix$を用いて,時間認識モデルのトレーニングを行う新しい方法を提案する。 AUCは0.798で、視線は0.641で、視線は1枚の画像で重篤なDRを発生させるかどうかを予測した。
  論文  参考訳（メタデータ） (2023-10-16T14:01:20Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Improving AMD diagnosis by the simultaneous identification of associated retinal lesions [9.707114016577716]
  加齢関連黄斑変性症(AMD)は、先進国において視覚障害の主要な原因である。 本稿では,AMD診断と潜在的な病変の分類を同時に行うCNNに基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-05-22T17:52:02Z)
• ADAM Challenge: Detecting Age-related Macular Degeneration from Fundus Images [44.212866865895485]
  我々は、I SBI 2020カンファレンスの衛星イベントとして、初めて老化関連黄斑変性症(ADAM)の自動検出課題を設定した。 ADAMチャレンジは、基礎画像からAMDを検出する主要なトピックをカバーする4つのタスクから構成される。 本稿では,課題,データセット,評価手法を紹介するとともに,各タスクに参加するチームの結果を要約し,分析する。
  論文  参考訳（メタデータ） (2022-02-16T10:49:49Z)
• RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
  緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
  論文  参考訳（メタデータ） (2020-10-15T03:09:08Z)
• Conditional GAN for Prediction of Glaucoma Progression with Macular Optical Coherence Tomography [4.823472957592564]
  緑内障の進行を予測するために条件付きGANアーキテクチャを用いた生成的深層学習モデルを構築した。 患者のOCTスキャンは,3～2回の先行測定から予測される。 以上より,2回の来院で得られたOCTスキャンは,6カ月後に次のOCTスキャンを予測するのに十分である可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T22:24:46Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。