文献

J-GLOBAL ID：201902227052763761   整理番号：19A1462926

網膜眼底画像の病理学と臨床像を分類するための人工知能システムの開発【JST・京大機械翻訳】

Development of an artificial intelligence system to classify pathology and clinical features on retinal fundus images

著者 (4件)： Stevenson Clark H. (Dunedin Hospital Eye Department, Dunedin, New Zealand) ,  Stevenson Clark H. (University of Otago, Dunedin, New Zealand) ,  Hong Sheng Chiong (Dunedin Hospital Eye Department, Dunedin, New Zealand) ,  Ogbuehi Kelechi C. (University of Otago, Dunedin, New Zealand)
資料名： Clinical & Experimental Ophthalmology  (Clinical & Experimental Ophthalmology)
巻： 47  号： 4  ページ： 484-489  発行年： 2019年 
JST資料番号： A1607A  ISSN： 1442-6404  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 重要性:人工知能(AI)アルゴリズムは,糖尿病性網膜症写真スクリーニング経路での使用のために開発中である。臨床的に受け入れることができるように,そのようなシステムは,ケアのポイントで他の基底異常と臨床的特徴を分類することもできなければならない。背景:いくつかの眼底病理を検出し,関連する臨床的特徴を報告することができるAIシステムを開発することを目的とした。デザイン:遡及的データセットによる畳込みニューラルネットワーク訓練。参加者:カラー眼底写真を公開可能な眼底画像データベースから得た。【方法】画像を,AI分類装置の訓練と検証のためにWebベースのAIプラットフォームにアップロードした。別々の分類装置を各眼底病理学と臨床的特徴のために作成した。主なOUTCOME MEASURES:各分類器に対する受信者動作特性曲線(AUC)下の精度,感度,特異性および面積。結果:公開可能な眼底画像データベースから4435の画像を得た。上記の各病態に対してAI分類器を開発した。統計的性能は小さなサンプルサイズによって制限されたが,平均精度は89%,平均感度は75%,平均特異性は89%,平均AUCは0.58であった。結論:本研究は,糖尿病性光スクリーニング経路内で実行できる概念実証AIシステムである。性能は有望であるが,臨床応用に必要とされるレベルではない。著者らは,標準ラップトップコンピュータを用いて,以前のプログラミングまたはAI知識なしでAI分類器を開発することが臨床医にとって可能であることを示した。Copyright 2019 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *画像 ,  *網膜 ,  *病理 ,  *人工知能 ,  Web【情報システム】 ,  分類装置 ,  データベース ,  *眼底 ,  スクリーニング
準シソーラス用語： 臨床医 ,  特異性 ,  アップロード ,  畳込みニューラルネットワーク ,  *眼底写真 , 【Automatic Indexing@JST】

著者キーワード (3件)： 人工知能 ,  糖尿病網膜症 ,  遠隔医療

分類 (2件)： 眼の疾患  (GP03000U) ,  遺伝的変異  (EC01030Y)

タイトルに関連する用語 (7件)： 網膜 ,  眼底画像 ,  病理学 ,  臨床像 ,  分類 ,  人工知能システム ,  開発