論文の概要: A portable diagnosis model for Keratoconus using a smartphone
- arxiv url: http://arxiv.org/abs/2505.08616v3
- Date: Tue, 20 May 2025 00:37:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 12:33:37.36815
- Title: A portable diagnosis model for Keratoconus using a smartphone
- Title（参考訳）: スマートフォンを用いたKeratoconusのポータブル診断モデル
- Authors: Yifan Li, Peter Ho, Jo Woon Chong,
- Abstract要約: Keratoconus(KC)は角膜疾患であり、ぼやけた視力と歪んだ視力をもたらす。
従来の診断ツールは効果があるが、しばしばかさばる、コストがかかり、専門的な手術を必要とする。
提案手法はまず、スマートフォンのスクリーンで生成したプラチドディスクが目に光を放つと、目の角膜に映る画像を捉えます。
- 参考スコア（独自算出の注目度）: 2.7440389071148386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Keratoconus (KC) is a corneal disorder that results in blurry and distorted vision. Traditional diagnostic tools, while effective, are often bulky, costly, and require professional operation. In this paper, we present a portable and innovative methodology for diagnosing. Our proposed approach first captures the image reflected on the eye's cornea when a smartphone screen-generated Placido disc sheds its light on an eye, then utilizes a two-stage diagnosis for identifying the KC cornea and pinpointing the location of the KC on the cornea. The first stage estimates the height and width of the Placido disc extracted from the captured image to identify whether it has KC. In this KC identification, k-means clustering is implemented to discern statistical characteristics, such as height and width values of extracted Placido discs, from non-KC (control) and KC-affected groups. The second stage involves the creation of a distance matrix, providing a precise localization of KC on the cornea, which is critical for efficient treatment planning. The analysis of these distance matrices, paired with a logistic regression model and robust statistical analysis, reveals a clear distinction between control and KC groups. The logistic regression model, which classifies small areas on the cornea as either control or KC-affected based on the corresponding inter-disc distances in the distance matrix, reported a classification accuracy of 96.94%, which indicates that we can effectively pinpoint the protrusion caused by KC. This comprehensive, smartphone-based method is expected to detect KC and streamline timely treatment.
- Abstract（参考訳）: Keratoconus(KC)は角膜疾患であり、ぼやけた視力と歪んだ視力をもたらす。
従来の診断ツールは効果があるが、しばしばかさばる、コストがかかり、専門的な手術を必要とする。
本稿では,ポータブルで革新的な診断手法を提案する。
提案手法は、まず、スマートフォンのスクリーン生成したプラシドディスクが眼に光を放ち、KC角膜を識別し、角膜上のKCの位置をピンポイントする2段階の診断を行う際に、眼の角膜に映る画像をキャプチャする。
第1段では、撮像された画像から抽出したプラシドディスクの高さと幅を推定し、KCの有無を判定する。
このKC同定において、K-meansクラスタリングは、非KC(制御)およびKC影響群から抽出されたプラシドディスクの高さや幅などの統計的特徴を識別するために実装される。
第2段階では距離行列が生成され、角膜上のKCの正確な局在が得られ、効率的な治療計画に欠かせない。
これらの距離行列の解析は、ロジスティック回帰モデルと頑健な統計解析と組み合わせることで、制御群とKC群を明確に区別することを明らかにする。
距離行列のディスク間距離に基づいて角膜上の小さな領域を制御またはKCの影響として分類するロジスティック回帰モデルは96.94%の分類精度を報告し、KCによる進行を効果的に特定できることを示唆した。
スマートフォンをベースとしたこの総合的手法は、KCとタイムラインのタイムリーな処理を検出することが期待されている。
関連論文リスト
- Cross-Spectral Vision Transformer for Biometric Authentication using Forehead Subcutaneous Vein Pattern and Periocular Pattern [1.2137050542976475]
本稿では,生体認証のための軽量クロススペクトル・ビジョン・トランスフォーマ (CS-ViT) を提案する。
このフレームワークは、2つの異なる生体特性を扱うために設計されたクロススペクトルデュアルチャネルアーキテクチャで構成されている。
提案アルゴリズムは,前頭下皮下静脈パターンと近視バイオメトリックパターンデータベースを用いて厳密に評価した。
論文 参考訳（メタデータ） (2024-12-26T10:40:15Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳（メタデータ） (2023-07-07T18:57:21Z) - nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and
Generalisation over Variations of Data Sources [25.095695898777656]
我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。
このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。
実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2023-02-25T23:47:23Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Keratoconus Classifier for Smartphone-based Corneal Topographer [6.693221730277371]
ケラトコヌス(Keratoconus)は、角膜を変形させる重度の眼疾患である。
安価なスマートフォンベースの角膜トポグラフィー(SmartKCなど)がケラトコヌスの診断に役立てるために提案されている。
本稿では,SmartKC が生成した熱マップ上でケラトコヌスを分類するための二重頭畳み込みニューラルネットワーク (CNN) を提案する。
論文 参考訳（メタデータ） (2022-05-07T18:39:37Z) - 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) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - SERV-CT: A disparity dataset from CT for validation of endoscopic 3D
reconstruction [8.448866668577946]
CT(SERV-CT)に基づく立体内視鏡再構成検証データセットを提案する。
SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな参照格差と深さを持つ外科的アプリケーションのための使いやすい立体的検証を提供します。
論文 参考訳（メタデータ） (2020-12-22T01:28:30Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - Deep Learning Based Unsupervised and Semi-supervised Classification for
Keratoconus [1.337031698173905]
ケラトコヌス(Keratoconus)は、世界中で2000人中1人に感染する進行性多因子性角膜変性疾患である。
角膜移植以外に角膜移植や角膜架橋術の治療法はない。
微妙なKCまたはKC進行を正確に識別する能力は重要な臨床的意義である。
論文 参考訳（メタデータ） (2020-01-31T03:56:12Z)
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。