論文の概要: Early Detection of Visual Impairments at Home Using a Smartphone Red-Eye Reflex Test

• arxiv url: http://arxiv.org/abs/2509.09808v1
• Date: Thu, 11 Sep 2025 19:27:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.905124
• Title: Early Detection of Visual Impairments at Home Using a Smartphone Red-Eye Reflex Test
• Title（参考訳）: スマートフォン赤-Eye反射試験による在宅視覚障害の早期検出
• Authors: Judith Massmann, Alexander Lichtenstein, Francisco M. López,
• Abstract要約: いわゆるBrucknerテストは、伝統的に臨床環境で眼科医によって行われている。 スマートフォンと人工知能の最近の技術進歩のおかげで、モバイルデバイスを使ってBrucknerテストを再生成することが可能になった。 本研究では,モバイル端末で視覚スクリーニングを行う無料アプリケーションであるKidsVisionCheckの開発において,最初の研究を行った。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Numerous visual impairments can be detected in red-eye reflex images from young children. The so-called Bruckner test is traditionally performed by ophthalmologists in clinical settings. Thanks to the recent technological advances in smartphones and artificial intelligence, it is now possible to recreate the Bruckner test using a mobile device. In this paper, we present a first study conducted during the development of KidsVisionCheck, a free application that can perform vision screening with a mobile device using red-eye reflex images. The underlying model relies on deep neural networks trained on children's pupil images collected and labeled by an ophthalmologist. With an accuracy of 90% on unseen test data, our model provides highly reliable performance without the necessity of specialist equipment. Furthermore, we can identify the optimal conditions for data collection, which can in turn be used to provide immediate feedback to the users. In summary, this work marks a first step toward accessible pediatric vision screenings and early intervention for vision abnormalities worldwide.
• Abstract（参考訳）: 乳児の赤目反射画像では多数の視覚障害が検出される。 いわゆるBrucknerテストは、伝統的に臨床環境で眼科医によって行われている。 スマートフォンと人工知能の最近の技術進歩のおかげで、モバイルデバイスを使ってBrucknerテストを再生成することが可能になった。 本稿では,赤目反射画像を用いた携帯端末による視覚スクリーニングを行う無料アプリケーションであるKidsVisionCheckの開発において,最初の研究を行った。 基礎となるモデルは、眼科医が収集しラベル付けした子供の瞳画像に基づいて訓練されたディープニューラルネットワークに依存している。 未確認テストデータに対して90%の精度で精度を向上し, 専門機器を必要とせずに信頼性の高い性能を実現する。 さらに,データ収集の最適条件を特定し,ユーザへの即時フィードバックを提供する。 要約すると、この研究は世界中の小児の視力検査と視覚異常の早期介入に向けた第一歩となる。

関連論文リスト

• A System for Accurate Tracking and Video Recordings of Rodent Eye Movements using Convolutional Neural Networks for Biomedical Image Segmentation [1.961086321336988]
  視線決定における瞳孔および角膜反射の同定のための柔軟で頑健で高精度なモデルを提案する。 これは、高度に正確で実用的なバイオメディカルイメージセグメンテーションに基づく畳み込みニューラルネットワークアーキテクチャを実証した最初の論文である。
  論文  参考訳（メタデータ） (2025-06-09T19:48:32Z)
• Deep Learning Methods for Retinal Blood Vessel Segmentation: Evaluation on Images with Retinopathy of Prematurity [0.0]
  未熟網膜画像の網膜症における血管セグメンテーションのための3つの高性能畳み込みニューラルネットワークの性能評価を行った。 実験の結果, 乳児の網膜血管は低コントラストにより検出が困難であった。 これら3つの溶液は、未熟の網膜症を診断するために使われず、代わりにノイズを表し、網膜血管と混同される脈絡膜血管も含む。
  論文  参考訳（メタデータ） (2023-06-20T14:46:26Z)
• Novel Fundus Image Preprocessing for Retcam Images to Improve Deep Learning Classification of Retinopathy of Prematurity [5.408949958349055]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、目の網膜に損傷があるため失明する眼疾患である。 本稿では,事前学習フレームワークを用いた新しい基礎前処理手法を提案する。
  論文  参考訳（メタデータ） (2023-02-06T01:44:45Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• Follow My Eye: Using Gaze to Supervise Computer-Aided Diagnosis [54.60796004113496]
  医用画像を読む放射線科医の眼球運動は,DNNベースのコンピュータ支援診断システム(CAD)を訓練するための新たな指導形態であることが実証された。 画像を読んでいるときに、放射線科医の視線を記録します。 視線情報は処理され、アテンション一貫性モジュールを介してDNNの注意を監督するために使用される。
  論文  参考訳（メタデータ） (2022-04-06T08:31:05Z)
• MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
  白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。 近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。 深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
  論文  参考訳（メタデータ） (2021-10-06T08:10:28Z)
• 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)
• Early Blindness Detection Based on Retinal Images Using Ensemble Learning [2.099922236065961]
  糖尿病網膜症は、世界中の成人の視覚障害の主要な原因である。 デジタル画像処理(DIP)と機械学習(ML)の分野における最近の進歩は、この点において機械の使用方法の道を開いた。 本研究では、アンサンブル学習アルゴリズムを用いて網膜画像から抽出した色情報に基づいて、新しい早期盲検検出法を提案する。
  論文  参考訳（メタデータ） (2020-06-12T21:16:21Z)
• 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。