論文の概要: Retinal OCTA Phenotyping with LLM Reporting for Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2609.04689v1
- Date: Fri, 04 Sep 2026 03:38:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.901211
- Title: Retinal OCTA Phenotyping with LLM Reporting for Alzheimer's Disease
- Title（参考訳）: アルツハイマー病に対するLDMを併用した網膜OCTA検査
- Abstract要約: アルツハイマー病 (AD) の早期診断は、確立された評価方法がコストが高く、資源集約的であり、集団規模のスクリーニングには適さないため、依然として困難である。
本稿では,アノテーションを意識した血管のセグメンテーション,層特異的な血管バイオマーカー抽出,ラベルフリー表現法,測定地上レポートを統合した説明可能なOCTAパイプラインを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early identification of Alzheimer's disease (AD) remains challenging because established assessment methods can be costly, resource-intensive, or unsuitable for population-scale screening. Optical coherence tomography angiography (OCTA) provides non-invasive visualization of retinal microvasculature, but existing approaches often require diagnostic labels and provide limited measurement-level interpretation. We present an explainable OCTA pipeline that integrates annotation-aware vessel segmentation, layer-specific vascular biomarker extraction, label-free phenotyping, and measurement-grounded LLM reporting. Using 117 ROSE-1 images from 39 subjects, we apply annotation-matched segmentation models to superficial vascular complex (SVC), deep vascular complex (DVC), and combined SVC+DVC representations. The models achieve ROC-AUC values of 0.916-0.970 and Dice scores of 0.695-0.781. Six density and fractal-dimension biomarkers form subject-level profiles for exploratory clustering. Analysis of nine held-out subjects identifies an internally consistent lower-density, lower-fractal-dimension phenotype, although the absence of diagnostic labels prevents clinical interpretation. Reports generated using GPT, Gemini, and Llama are evaluated for measurement grounding, citation faithfulness, and diagnostic caution. Overall, the framework provides a transparent, non-diagnostic connection between retinal vascular measurements, exploratory phenotyping, and evidence-linked interpretation for Alzheimer's research.
- Abstract（参考訳）: アルツハイマー病 (AD) の早期診断は、確立された評価方法がコストが高く、資源集約的であり、集団規模のスクリーニングには適さないため、依然として困難である。
光コヒーレンス断層撮影血管造影(OCTA)は網膜微小血管の非侵襲的可視化を提供するが、既存のアプローチでは診断ラベルが必要であり、測定レベルの解釈は限られている。
本稿では,アノテーションを意識した血管のセグメンテーション,層特異的な血管バイオマーカー抽出,ラベルフリー表現法,および測定地上でのLCMレポートを統合した説明可能なOCTAパイプラインを提案する。
39例のROSE-1画像117例を用いて, 表面血管複合体(SVC), 深部血管複合体(DVC), およびSVC+DVCの複合表現にアノテーションマッチングセグメンテーションモデルを適用した。
ROC-AUC値は0.916-0.970、Diceスコアは0.695-0.781である。
6つの密度とフラクタル次元バイオマーカーは、探索的クラスタリングの主観レベルプロファイルを形成する。
9名の被験者の分析では, 診断ラベルの欠如は臨床的解釈を妨げるが, 内部的に一貫した低密度, 低次元表現型が同定される。
GPT, Gemini, Llama を用いて作成した報告は, 測定基盤, 引用忠実度, 診断に有用である。
全体として、このフレームワークは、網膜血管計測、探索的表現型付け、およびアルツハイマー研究のためのエビデンス関連解釈の間の透明で非診断的な接続を提供する。
関連論文リスト
- HSQ-VLM: A Novel Spatially-Constrained Quadrant Segmentation VLM Model for Explainability in Diabetic Retinopathy [0.0]
本稿では,基礎画像上の新しい分節分割パイプラインであるHSQ-VLMを提案する。
任意のイメージパーティショニングに依存する従来の方法とは異なり、パイプラインは4つのクアドラントなトポロジカルレイトパーティショニングを実装しています。
これによりビジョン・ランゲージ・モデル(Vision-Language Model)は、病理を解剖学的精度で定量化する自然言語レポートを生成することができる。
論文 参考訳（メタデータ） (2026-06-11T19:02:02Z) - ELEMENT: Multi-Modal Retinal Vessel Segmentation Based on a Coupled Region Growing and Machine Learning Approach [1.9952557298945826]
提案するフレームワークは,領域成長と機械学習を用いた特徴抽出と画素ベース分類で構成されている。
提案手法は,26の最先端手法のうち25の手法と比較して,97.40%の精度で全体の性能を向上した。
STARE、CHASE-DB、VAMPIRE FA、IOSTAR SLO、RC-SLOの場合、提案されたフレームワークは、それぞれ98.27%、97.78%、98.34%、98.04%、98.35%の精度で最先端の手法をすべて上回った。
論文 参考訳（メタデータ） (2026-05-19T20:12:13Z) - A Data-Centric Framework for Intraoperative Fluorescence Lifetime Imaging for Glioma Surgical Guidance [2.1626027566082127]
本稿では、信頼性学習(CL)、クラス改良、ターゲットラベル評価を統合したデータ中心型AI(DC-AI)フレームワークを提案する。
CLはFLIm点レベルの信頼度を定量化し,ラベルの不整合を同定し,反復型クラスを3種類のスキームにマージする。
その結果得られた高忠実度データセットは、3クラスタスクで96%の精度を達成したモデルのトレーニングを可能にした。
論文 参考訳（メタデータ） (2026-04-28T22:12:15Z) - Quasi-multimodal-based pathophysiological feature learning for retinal disease diagnosis [4.437523386839875]
多モードデータ合成と融合を統合した統合フレームワークが網膜疾患の分類とグレーディングのために提案されている。
提案する学習システムは,画像空間と特徴空間の両方の可視化を通して,徹底的に解釈される。
この研究は網膜疾患スクリーニングの精度と効率を高めるだけでなく、様々な医用画像モダリティにまたがるデータ拡張のためのスケーラブルなフレームワークも提供する。
論文 参考訳（メタデータ） (2026-02-03T15:13:57Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - Quantitative Characterization of Retinal Features in Translated OCTA [0.6664270117164767]
本研究では、生成機械学習(ML)を用いてOCT画像からOCTA画像への変換の可能性を検討する。
論文 参考訳（メタデータ） (2024-04-24T18:40:45Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳（メタデータ） (2022-04-26T14:20:26Z) - 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) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z)
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。