論文の概要: Deep Learning-assisted AMD Staging based on OCT and OCT Angiography
- arxiv url: http://arxiv.org/abs/2606.05379v1
- Date: Wed, 03 Jun 2026 19:28:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.363767
- Title: Deep Learning-assisted AMD Staging based on OCT and OCT Angiography
- Title（参考訳）: OCTおよびOCT血管造影による深層学習支援AMD安定化
- Authors: Yukun Guo, Tristan T. Hormel, An-Lun Wu, Liqin Gao, Min Gao, Steven T. Bailey, Yali Jia,
- Abstract要約: 年齢=50歳以上, AMD重症度は多様であった。
AREDS簡易重症度尺度によると、AMD重症度は4段階(No AMD, Early AMD, Intermediate AMD, Advanced AMD)に分類された。
OCT/OCTAデータを用いたディープラーニングモデルは、AMDの重大度を正確に自動評価することができる。
- 参考スコア（独自算出の注目度）: 4.230774364209741
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: To develop and evaluate deep learning models for automated grading of age-related macular degeneration (AMD) severity using optical coherence tomography (OCT) and OCT angiography (OCTA) data. Two hundred seventy-one participants aged >= 50 years with varying AMD severities. Central macular 6 x 6 mm OCT/OCTA volumes were acquired using a swept-source OCTA system (SOLIX; Visionix/Optovue Inc., CA). AMD severity was graded into four stages (No AMD, Early AMD, Intermediate AMD, and Advanced AMD) according to the AREDS simplified severity scale. Three deep learning models were developed using different input modalities: (1) biomarker maps derived from segmented pathological features, including retinal fluid, drusen, geographic atrophy (GA), and macular neovascularization (MNV); (2) two-dimensional (2D) en face OCT and OCTA projections; and (3) three-dimensional (3D) OCT/OCTA volumes. EfficientNet-based architectures were trained using normalized inputs, data augmentation, and five-fold cross-validation. A total of 2,030 OCT/OCTA volumes from 351 eyes of 271 participants were analyzed. All models demonstrated strong AMD staging performance with substantial agreement with the reference standard (QWK >= 0.83). The biomarker-based model achieved the highest overall performance (QWK = 0.85 +/- 0.03, mean +/- standard deviation) and the best detection of early AMD (F1-score = 0.59 +/- 0.14). The 3D model achieved performance comparable to the 2D OCT/OCTA model (QWK = 0.83 +/- 0.04 vs. 0.83 +/- 0.09), while the 2D OCT/OCTA model showed the highest precision (0.79 +/- 0.06) and most accurately identified eyes without AMD. Deep learning models using OCT/OCTA data can accurately and automatically grade AMD severity. Among the evaluated approaches, the biomarker-based model provided the most balanced performance and showed particular value for early AMD detection.
- Abstract（参考訳）: 光コヒーレンス断層撮影(OCT)およびOCT血管造影(OCTA)データを用いて、加齢関連黄斑変性(AMD)重症度の自動評価のためのディープラーニングモデルの開発と評価を行う。
年齢=50歳以上, AMD重症度は多様であった。
中央のマキュラー6×6mm OCT/OCTAボリュームは、SOLIX (Visionix/Optovue Inc., CA) を用いた。
AREDS簡易重症度尺度によると、AMD重症度は4段階(No AMD, Early AMD, Intermediate AMD, Advanced AMD)に分類された。
1) 網膜液, ドライセン, 地理的萎縮 (GA), 黄斑血管新生 (MNV), 2次元(2D) のOCTおよびOCTA投射, 3次元(3D) OCT/OCTA容積, 3次元(3D) OCT/OCTA容積)。
効率的なNetベースのアーキテクチャは、正規化された入力、データ拡張、および5倍のクロスバリデーションを使用して訓練された。
351眼271眼のOCT/OCTA計2,030眼を解析した。
全てのモデルは基準基準(QWK >= 0.83)とかなり一致したAMDステージング性能を示した。
バイオマーカーベースのモデルは、QWK = 0.85 +/- 0.03、平均+/-標準偏差)と初期のAMD(F1-score = 0.59 +/- 0.14)の最高の検出を達成した。
3D OCT/OCTAモデルは2D OCT/OCTAモデル(QWK = 0.83 +/- 0.04 vs. 0.83 +/- 0.09)に匹敵する性能を達成し、2D OCT/OCTAモデルは最高精度(0.79 +/- 0.06)を示し、AMDなしで最も正確に識別された目を示した。
OCT/OCTAデータを用いたディープラーニングモデルは、AMDの重大度を正確に自動評価することができる。
評価手法の中で, バイオマーカーを用いたモデルが最もバランスの取れた性能を示し, 早期AMD検出に有意な値を示した。
関連論文リスト
- TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。
最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。
アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
論文 参考訳（メタデータ） (2026-05-15T19:23:35Z) - Patch Progression Masked Autoencoder with Fusion CNN Network for Classifying Evolution Between Two Pairs of 2D OCT Slices [42.77732581061466]
加齢関連黄斑変性症(AMD)は視力に影響を及ぼす眼疾患である。
これは、光学コヒーレンス・トモグラフィー(MARIO)におけるモニタリング年代関連黄斑変性の進展の焦点であった。
我々は,次の試験用OCTを生成するパッチメイクオートエンコーダを提案し,その上で,現在のOCTと我々のソリューションを用いたOCTの進化を分類した。
論文 参考訳（メタデータ） (2025-08-27T17:18:30Z) - Segment-and-Classify: ROI-Guided Generalizable Contrast Phase Classification in CT Using XGBoost [7.689389068258514]
本研究は,別機関の3つの公開CTデータセットを利用した。
位相予測モデルはWAW-TACEデータセットに基づいてトレーニングされ、VinDr-MultiphaseとC4KC-KiTSデータセット上で検証された。
論文 参考訳（メタデータ） (2025-01-23T20:01:33Z) - 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) - Asymmetric Masked Distillation for Pre-Training Small Foundation Models [52.56257450614992]
自己教師型基礎モデルは、マスク付きオートエンコーディングの事前学習パラダイムのおかげで、コンピュータビジョンにおいて大きな可能性を秘めている。
本稿では、下流タスクに効率的に適応できる比較的小さな視覚変換器モデルを事前学習することに焦点を当てる。
自動符号化による比較的小さなモデルの事前学習のための新しい非対称マスク蒸留(AMD)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-06T14:44:34Z) - Comparison of retinal regions-of-interest imaged by OCT for the
classification of intermediate AMD [3.0171643773711208]
269名の中間AMD患者と115名の健常者から15744名のBスキャンを行った。
各サブセットについて、畳み込みニューラルネットワーク(VGG16アーキテクチャに基づいて、ImageNetで事前トレーニングされた)をトレーニングし、テストした。
モデルの性能は, 受信動作特性(AUROC), 精度, 感度, 特異性に基づいて評価した。
論文 参考訳（メタデータ） (2023-05-04T13:48:55Z) - 3D-GMIC: an efficient deep neural network to find small objects in large
3D images [41.334361182700164]
3Dイメージングは、臓器解剖に関する空間情報を提供することにより、より正確な診断を可能にする。
AIモデルのトレーニングに3Dイメージを使用することは、その2Dモデルよりも数十から数百倍のピクセルで構成されているため、計算的に困難である。
本稿では,3次元医用画像の完全解像度で計算効率の良い分類を可能にするニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-16T21:58:54Z) - 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate
Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。
1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。
われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文 参考訳（メタデータ） (2021-12-18T17:05:53Z) - Multi-Scale Convolutional Neural Network for Automated AMD
Classification using Retinal OCT Images [1.299941371793082]
加齢関連黄斑変性症(AMD)は、先進国、特に60歳以上の人々において、視覚障害の最も一般的な原因である。
近年のディープラーニングの発展は、完全に自動化された診断フレームワークの開発にユニークな機会を与えている。
様々な大きさの受容場を用いて病理を識別できる多スケール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） (2021-10-06T18:20:58Z)
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。