論文の概要: Predicting Diabetic Macular Edema Treatment Responses Using OCT: Dataset and Methods of APTOS Competition
- arxiv url: http://arxiv.org/abs/2505.05768v1
- Date: Fri, 09 May 2025 04:12:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-12 20:40:10.14816
- Title: Predicting Diabetic Macular Edema Treatment Responses Using OCT: Dataset and Methods of APTOS Competition
- Title（参考訳）: OCTを用いた糖尿病黄斑浮腫治療の予測 : APTOS競合のデータセットと方法
- Authors: Weiyi Zhang, Peranut Chotcomwongse, Yinwen Li, Pusheng Xu, Ruijie Yao, Lianhao Zhou, Yuxuan Zhou, Hui Feng, Qiping Zhou, Xinyue Wang, Shoujin Huang, Zihao Jin, Florence H. T. Chung, Shujun Wang, Yalin Zheng, Mingguang He, Danli Shi, Paisan Ruamviboonsuk,
- Abstract要約: 2021年に第2回アジア太平洋眼科学会(APTOS)ビッグデータコンペティションを開催した。
このコンペティションは,眼底CT画像を用いたVEGF治療効果の予測精度の向上に焦点を当てた。
本稿では,コンペティションの構造,データセット,リードメソッド,評価指標について詳述する。
- 参考スコア（独自算出の注目度）: 12.617571811884499
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Diabetic macular edema (DME) significantly contributes to visual impairment in diabetic patients. Treatment responses to intravitreal therapies vary, highlighting the need for patient stratification to predict therapeutic benefits and enable personalized strategies. To our knowledge, this study is the first to explore pre-treatment stratification for predicting DME treatment responses. To advance this research, we organized the 2nd Asia-Pacific Tele-Ophthalmology Society (APTOS) Big Data Competition in 2021. The competition focused on improving predictive accuracy for anti-VEGF therapy responses using ophthalmic OCT images. We provided a dataset containing tens of thousands of OCT images from 2,000 patients with labels across four sub-tasks. This paper details the competition's structure, dataset, leading methods, and evaluation metrics. The competition attracted strong scientific community participation, with 170 teams initially registering and 41 reaching the final round. The top-performing team achieved an AUC of 80.06%, highlighting the potential of AI in personalized DME treatment and clinical decision-making.
- Abstract（参考訳）: 糖尿病性黄斑浮腫(DME)は糖尿病患者の視覚障害に大きく寄与する。
硝子体内療法に対する治療反応は様々であり、治療効果を予測し、パーソナライズされた戦略を可能にする患者層化の必要性を強調している。
本研究は,DME治療反応の予測のための前処理層について検討した最初の試みである。
本研究では2021年に第2回アジア太平洋眼科学会(APTOS)ビッグデータコンペティションを組織した。
このコンペティションは,眼底CT画像を用いたVEGF治療効果の予測精度の向上に焦点を当てた。
我々は4つのサブタスクにラベルを持つ2000人の患者から何万ものOCT画像を含むデータセットを提供した。
本稿では,コンペティションの構造,データセット,リードメソッド,評価指標について詳述する。
この競技会は科学界の強い参加を呼び、当初170チームが登録し、41チームが決勝に進出した。
トップパフォーマンスチームは80.06%のAUCを達成し、パーソナライズされたDME治療と臨床的意思決定におけるAIの可能性を強調した。
関連論文リスト
- Interpretable AI-driven Guidelines for Type 2 Diabetes Treatment from Observational Data [0.0]
我々は,2型糖尿病治療の進行に関する正確な,構造化された,データ支援のガイドラインを作成している。
治療変更を処方するために、AIが支援するツリーベースのモデルをトレーニングします。
このプロセスでは、アグレッシブな選択肢を考慮せずに、よりアグレッシブな治療を優先します。
論文 参考訳（メタデータ） (2025-04-16T18:29:45Z) - Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。
本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文 参考訳（メタデータ） (2025-02-07T21:09:05Z) - ISLES'24: Improving final infarct prediction in ischemic stroke using multimodal imaging and clinical data [3.2816454618159008]
本研究はISLES'24課題であり, 術前急性期脳梗塞画像と臨床データから最終治療後の脳梗塞予測に対処するものである。
本研究の貢献は2つある: まず, ISLES'24チャレンジを通じて最終脳梗塞セグメンテーションアルゴリズムの標準化ベンチマークを導入する; 次に, マルチモーダルイメージングと臨床データ戦略を用いた梗塞セグメンテーションに関する洞察を提供する。
論文 参考訳（メタデータ） (2024-08-20T16:01:05Z) - Assisting Clinical Decisions for Scarcely Available Treatment via
Disentangled Latent Representation [5.1828964748013275]
適応型自動エンコーダ (TVAE) は, 個別化処理解析のための新しい手法である。
TVAEは、ECMOのようなモデリング上の課題に、強力な治療選択バイアスと不十分な治療ケースで対処するように設計されている。
我々は、63カ国1651の病院から収集された国際データセットと、15の病院から収集された機関データセットの2つの実世界のCOVID-19データセットについてTVAEを評価した。
論文 参考訳（メタデータ） (2023-07-06T22:02:33Z) - 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) - 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) - Prediction of drug effectiveness in rheumatoid arthritis patients based
on machine learning algorithms [2.5759046095742453]
慢性関節リウマチ(RA)は、患者の免疫系が誤って自身の組織を標的としたときに引き起こされる自己免疫疾患である。
機械学習(ML)は、患者の電子的健康記録のパターンを特定し、患者の結果を改善する最良の臨床治療を予測する可能性がある。
本研究は, 臨床データから情報を取り出すためのデータ処理パイプラインを設計し, 機能的使用のために前処理し, 2) 薬物に対するRA患者の反応を予測し, 分類モデルの性能を評価するためのTNFフレームワークを導入した。
論文 参考訳（メタデータ） (2022-10-14T15:15:37Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳（メタデータ） (2020-07-31T14:34:35Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。