光干渉断層撮影におけるドルゼンと網状偽ドルゼンの検出および定量化のための深層学習フレームワーク【JST・京大機械翻訳】

Schwartz Roy; Khalid Hagar; Liakopoulos Sandra; Ouyang Yanling; de Vente Coen; Gonzalez-Gonzalo Cristina; Lee Aaron Y.; Guymer Robyn; Chew Emily Y.; Egan Catherine; Wu Zhichao; Kumar Himeesh; Farrington Joseph; Sanchez Clara I.; Tufail Adnan

プレプリント

J-GLOBAL ID：202202207273049094 整理番号：22P0326828

光干渉断層撮影におけるドルゼンと網状偽ドルゼンの検出および定量化のための深層学習フレームワーク【JST・京大機械翻訳】

A deep learning framework for the detection and quantification of drusen and reticular pseudodrusen on optical coherence tomography

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (15件)： , , , , , , , , , , , , , ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

【目的】光コヒーレンストモグラフィースキャンにおけるダステンと網状偽装(RPD)の検出と定量化のための深層学習(DL)フレームワークを開発し,検証する。分類と特徴セグメンテーションのための深層学習モデルの設計-開発と検証。【方法】-ADLフレームワークを,分類モデルおよび未加工スキャンの同定のための分布外(OOD)検出モデルで構成した。drusenまたはRPDによるスキャンを同定するための分類モデル;そして,RPDまたはdrusenとして病変を独立に分割する画像セグメンテーションモデル。年齢関連黄斑変性(AMD)と250UKBB対照の自己申告診断による英国バイオバンク(UKBB)の1284人の参加者からデータを得た。DrusenとRPDを5つの網膜専門家によって手動で描写した。主な転帰尺度は感度,特異性,ROC曲線下面積(AUC),カッパ,正確度およびクラス内相関係数(ICC)であった。【結果】分類モデルは,それらのそれぞれのタスク(それぞれ0.95,0.93,および0.99AUC)で強く実行して,非グラジエントスキャン分類装置,OODモデル,およびdrusenとRPD分類モデルであった。デュラスとRPD面積に対する平均ICCはそれぞれ0.74と0.61であり,グレード間一致は0.69と0.68であった。FROC曲線は,モデルの感度は人間の性能に近いことを示した。【結論】モデルは,高い分類とセグメンテーション性能を達成して,ヒト性能に類似した。このロバストフレームワークの応用は,研究および臨床設定の両方におけるdrusenからの別々の実体としてのRPDの理解をさらに深めるであろう。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識 , 医用画像処理

, , ,

前のページに戻る