論文の概要: Robust Detection of Retinal Neovascularization in Widefield Optical Coherence Tomography

• arxiv url: http://arxiv.org/abs/2511.17744v1
• Date: Fri, 21 Nov 2025 19:51:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.392377
• Title: Robust Detection of Retinal Neovascularization in Widefield Optical Coherence Tomography
• Title（参考訳）: 広視野光コヒーレンストモグラフィにおける網膜新生血管のロバスト検出
• Authors: Jinyi Hao, Jie Wang, Kotaro Tsuboi, Liqin Gao, Tristan T. Hormel, Yukun Guo, An-Lun Wu, Min Gao, Christina J. Flaxel, Steven T. Bailey, Thomas S. Hwang, Yali Jia,
• Abstract要約: 広視野OCT/OCTAにおけるRNV診断とステージングのための新しいアプローチを提案する。 多層網膜セグメンテーションに依存する従来の方法とは異なり、我々のモデルではRNVの同定を直接二分極局在化タスクとして再設定する。 以上の結果から,広視野OCTA画像の深層学習に基づく解析は,RNVのスクリーニングと管理を改善する貴重な手段となる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 4.723013267490394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retinal neovascularization (RNV) is a vision threatening development in diabetic retinopathy (DR). Vision loss associated with RNV is preventable with timely intervention, making RNV clinical screening and monitoring a priority. Optical coherence tomography (OCT) angiography (OCTA) provides high-resolution imaging and high-sensitivity detection of RNV lesions. With recent commercial devices introducing widefield OCTA imaging to the clinic, the technology stands to improve early detection of RNV pathology. However, to meet clinical requirements these imaging capabilities must be combined with effective RNV detection and quantification, but existing algorithms for OCTA images are optimized for conventional, i.e. narrow, fields of view. Here, we present a novel approach for RNV diagnosis and staging on widefield OCT/OCTA. Unlike conventional methods dependent on multi-layer retinal segmentation, our model reframes RNV identification as a direct binary localization task. Our fully automated approach was trained and validated on 589 widefield scans (17x17-mm to 26x21-mm) collected from multiple devices at multiple clinics. Our method achieved a device-dependent area under curve (AUC) ranging from 0.96 to 0.99 for RNV diagnosis, and mean intersection over union (IOU) ranging from 0.76 to 0.88 for segmentation. We also demonstrate our method's ability to monitor lesion growth longitudinally. Our results indicate that deep learning-based analysis for widefield OCTA images could offer a valuable means for improving RNV screening and management.
• Abstract（参考訳）: 網膜新生血管形成(英語版)(RNV)は糖尿病網膜症(DR)の発症を脅かすビジョンである。 RNVに関連する視力喪失は、時間的介入によって予防され、RNVの臨床スクリーニングと監視が優先される。 光コヒーレンストモグラフィ(OCT)アンギオグラフィー(OCTA)は、RNV病変の高分解能イメージングと高感度検出を提供する。 臨床に広視野OCTAイメージングを導入している最近の商用デバイスでは、この技術はRNVの早期発見を改善するのが目的である。 しかしながら、臨床要件を満たすためには、これらの撮像機能はRNV検出と定量化の効果的な組み合わせが必要であるが、既存のOCTA画像のアルゴリズムは従来の狭視野領域に最適化されている。 本稿では,広視野OCT/OCTAにおけるRNV診断とステージングのための新しいアプローチを提案する。 多層網膜セグメンテーションに依存する従来の方法とは異なり、我々のモデルではRNVの同定を直接二分極局在化タスクとして再設定する。 完全自動アプローチは、複数の診療所の複数の装置から収集した589個のワイドフィールドスキャン (17x17-mm～26x21-mm) で訓練され、検証された。 RNV診断では0.96～0.99,セグメンテーションでは0.76～0.88であった。 また, 病変の成長を経時的に観察する能力も示す。 以上の結果から,広視野OCTA画像の深層学習に基づく解析は,RNVのスクリーニングと管理を改善する貴重な手段となる可能性が示唆された。

関連論文リスト

• Lightweight Relational Embedding in Task-Interpolated Few-Shot Networks for Enhanced Gastrointestinal Disease Classification [0.0]
  大腸癌の検出は、患者の生存率を高めるために重要である。 大腸内視鏡は、適切な高品質の内視鏡画像を取得することに依存する。 Few-Shot Learning アーキテクチャにより、我々のモデルは、目に見えないきめ細かな内視鏡画像パターンに迅速に適応できる。 精度は90.1%,精度は0.845,リコールは0.942,F1スコアは0.891であった。
  論文  参考訳（メタデータ） (2025-05-30T16:54:51Z)
• The Role of AI in Early Detection of Life-Threatening Diseases: A Retinal Imaging Perspective [10.884863227198975]
  我々は最新のOCT/AおよびAO開発、AI/MLアプローチ、mHealth/Tele-ophthalmologyイニシアチブを体系的に合成する。 本稿では,マルチセンタープロトコルの標準化,将来性検証,網膜スクリーニングのシームレス化のためのロードマップを提案する。
  論文  参考訳（メタデータ） (2025-05-27T07:19:37Z)
• Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning [46.75992018094998]
  胸部X線(CXR)を低分解能で診断する上での課題について検討した。 高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。 本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T06:10:54Z)
• Deep Few-view High-resolution Photon-counting CT at Halved Dose for Extremity Imaging [9.900942764883789]
  ニュージーランドの臨床試験において,PCCT画像の半減量と2倍の速度で再現する深層学習に基づくアプローチを提案する。 具体的には、GPUメモリを緩和するパッチベースのボリュームリファインメントネットワークを設計し、合成データを用いたトレーニングネットワークを構築し、モデルベースの反復リファインメントを使用して合成データと臨床データのギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-19T00:07:48Z)
• Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging [37.21885467891782]
  グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。 リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。 術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
  論文  参考訳（メタデータ） (2023-02-06T15:52:03Z)
• SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
  神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。 提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-11-30T14:51:14Z)
• Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework [65.19784967388934]
  RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。 本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。 実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-30T13:04:42Z)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning [2.571523045125397]
  治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。 現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。 ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
  論文  参考訳（メタデータ） (2020-01-23T12:55:53Z)

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。