文献

J-GLOBAL ID：202202259399542394   整理番号：22A1030545

高スループット画像解析における完全自動化網膜血管測定のための深層学習システム【JST・京大機械翻訳】

A Deep Learning System for Fully Automated Retinal Vessel Measurement in High Throughput Image Analysis

著者 (11件)： Shi Danli (State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou, China) ,  Lin Zhihong (Faculty of Engineering, Monash University, Melbourne, VIC, Australia) ,  Wang Wei (State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou, China) ,  Tan Zachary (Centre for Eye Research Australia, East Melbourne, VIC, Australia) ,  Shang Xianwen (Department of Ophthalmology, Guangdong Provincial People’s Hospital, Guangdong Eye Institute, Guangdong Academy of Medical Sciences, Guangzhou, China) ,  Zhang Xueli (Department of Ophthalmology, Guangdong Provincial People’s Hospital, Guangdong Eye Institute, Guangdong Academy of Medical Sciences, Guangzhou, China) ,  Meng Wei (Guangzhou Vision Tech Medical Technology Co., Ltd., Guangzhou, China) ,  Ge Zongyuan (Research Center and Faculty of Engineering, Monash University, Melbourne, VIC, Australia) ,  He Mingguang (State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou, China) ,  He Mingguang (Centre for Eye Research Australia, East Melbourne, VIC, Australia) ,  He Mingguang (Department of Ophthalmology, Guangdong Provincial People’s Hospital, Guangdong Eye Institute, Guangdong Academy of Medical Sciences, Guangzhou, China)
資料名： Frontiers in Cardiovascular Medicine (Web)  (Frontiers in Cardiovascular Medicine (Web))
巻： 9  ページ： 823436  発行年： 2022年 
JST資料番号： U7061A  ISSN： 2297-055X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:網膜微小血管は,主要な心血管疾患を予測し監視するためのユニークな窓であるが,詳細な網膜血管解析に対する深い学習に基づくハイスループットツールは不足している。このように,網膜微小血管の完全に自動化された血管セグメンテーションと定量化のための人工知能システム(Retinaベースの微小血管健康評価システム,RMHAS)を開発し,検証することを目的とした。【結果】RMHASは,AV-WIDE,AVRDB,HRF,IOSTAR,LES-AV,RITE,および著者らの内部データセットに関して,動脈分割のための0.91,0.88,0.95,0.93,0.97,0.95,0.94,および静脈セグメンテーションのための0.92,0.90,0.96,0.95,0.97,0.95,0.96のAUCを有する,多様な眼条件および画像解像度を有するデータセットを通して良好なセグメンテーション精度を達成した。”AV-WIDE”,AVRDB,HRF,IOSTAR,LES-AV,RITE,および著者らの内部データセットに関するAUCsは,それぞれ,0.92,0.90,0.96,0.95,0.97,0.95,0.96であった。一致と再現性分析はアルゴリズムのロバスト性を支持した。量における血管解析のために,2秒未満が,すべての必要な分析を完全にするために必要であった。Copyright 2022 The Author(s) 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 ,  *網膜 ,  *自動化 ,  セグメンテーション ,  *血管 ,  静脈 ,  動脈 ,  人工知能 ,  心血管疾患 ,  *画像分析 ,  ロバスト性 ,  *網膜血管 ,  *機械学習
準シソーラス用語： 微小血管 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工知能 ,  自動解析 ,  階層的血管形態 ,  心血管疾患 ,  疫学

分類 (3件)： 眼の診断  (GP02000N) ,  医用画像処理  (JE04020T) ,  眼の臨床医学一般  (GP01030N)

引用文献 (50件)：

• Murray CD. The Physiological Principle of Minimum Work. Proc Natl Acad Sci U S A. (1926) 12:207-14. doi: 10.1073/pnas.12.3.207
• Ikram MK, Ong YT, Cheung CY, Wong TY. Retinal Vascular Caliber Measurements: Clinical Significance, Current Knowledge and Future Perspectives. Ophthalmologica. (2013) 229:125-36. doi: 10.1159/000342158
• Newman A, Andrew N, Casson R. Review of the association between retinal microvascular characteristics and eye disease. Clin Experiment Ophthalmol. (2018) 46:531-52. doi: 10.1111/ceo.13119
• Farrah TE, Dhillon B, Keane PA, Webb DJ, Dhaun N. The eye, the kidney, and cardiovascular disease: old concepts, better tools, and new horizons. Kidney Int. (2020) 98:323-42. doi: 10.1016/j.kint.2020.01.039
• Kashani AH, Asanad S, Chan JW, Singer MB, Zhang J, Sharifi M, et al. Past, present and future role of retinal imaging in neurodegenerative disease. Prog Retin Eye Res. (2021) 83:100938. doi: 10.1016/j.preteyeres.2020.100938

タイトルに関連する用語 (5件)： 高スループット ,  画像解析 ,  完全自動化 ,  網膜血管 ,  深層学習