抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
疾患合併症は血管ネットワーク形態を変化させ,組織機能を破壊する。例えば,糖尿病性網膜症は,失明を引き起こす1型および2型糖尿病の合併症である。微小血管疾患は網膜像の目視検査により評価されるが,疾患が無症候性症状を示す場合,または,患者が個人内会議に参加できない場合,これは挑戦的である。セグメント化網膜血管画像の統計的およびトポロジー的要約で訓練した時,微小血管疾患の検出における機械学習アルゴリズムの性能を調べた。提案手法を3つの公的に利用可能なデータセットに適用し,13の全記述子ベクトルの中で,統計的Box計数ディスクリプタベクトルまたはトポロジーFloodingディスクリプタベクトルのいずれかが,これらのデータセット上で最高の精度レベルを達成することを見出した。次に,いくつかのデータセットを併合することによって,第4のデータセットを作成し,Box-計数ベクトルは,組合せデータセット内のアノテーションスタイルにおける差異に敏感であるトポロジーFloodingベクトルを含む,このデータセット上のすべての記述子を凌駕した。本研究は,微小血管疾患の同定および現在の制限の幾つかに対して,どの計算法が最も適しているかを確立する最初の段階である。長期において,これらの方法は自動疾患評価ツールに組み込むことができた。【JST・京大機械翻訳】