造影を利用したカラー写真における網膜非灌流領域の深層学習による病態解明基盤構築

使用对比成像对彩色照片中的视网膜非灌注区域进行深度学习，建立一个阐明病理状况的平台

• 批准号: 22K16980
• 负责人: 坂本 晋一
• 金额: $ 2.91万
• 依托单位: Jichi Medical University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K16980/
• 关键词: 深層学習; 網膜非灌流領域; 糖尿病網膜症; 網膜静脈閉塞症; カラー眼底写真; 眼底写真

超広視野（UWF）画像から疑似カラー眼底写真の非灌流領域（NPA）の大きさを推定するためのPraNetベースのディープラーニングモデルを提案することを目的とし、クラスが偏ったデータセットに対応するため、焦点損失と重み付け二値クロスエントロピー損失でモデルを学習し、検証損失を最小化するためにハイパーパラメーターを最適化した。その結果、PraNetベースのディープラーニングモデルは、予想通り、過去に発表された方法を上回る結果を得た。検証には、NPAを有するUWF眼底画像を用い、Bland-Altmanプロットを用いてFA(蛍光眼底造影検査)における推定NPAとグランドトゥルースを比較し、eNPAとグランドトゥルースの間の偏りは信頼限界域の10%より小さく、外れ値の数は観察したペア画像の10%より小さいことを実証しました。また、他施設の外部データセットでモデルの精度を検証したところ、モデルの一般性が確認された。検証のために、推定NPA（eNPA）の感度と特異度を判定するROC解析に分割表を採用した。その結果、感度は83.3～87.0％、特異度は79.3～85.7％であることが示された。以上のことから、PraNetベースのディープラーニングを用いて、血管造影を行わずにUWF画像のみからNPAサイズを推定できるAIモデルが開発された。以上を指導した伊野田悟氏を筆頭にしつつ重要共著者としてscientific reportsへ投稿し、掲載された。現在さらに精度を向上させるためにデータを増やし他の様々なニューラルネットワークを試している。

目的是提出一个基于pranet的深度学习模型，以估算从超范围的视野（UWF）图像中伪色的眼睛照片中非灌注区域（NPA）的大小，它支持数据集因此，在类中偏见。结果，正如预期的那样，基于Pranet的深度学习模型超出了过去宣布的方法。为了进行验证，使用UWF底面图像与NPA相比，将估计的NPA与FA（荧光底面的成像测试）进行比较，而ENPA和Grand Thrite之间的偏见是我们的信任极限范围。插座的数量小于10％，报价的数量小于观察到的成对图像的10％。此外，使用另一个设施的外部数据集验证了模型的精度，并确认了模型的一般性质。为了进行验证，采用了分区表进行ROC分析，该表决定了NPA（ENPA）的敏感性和特定程度。结果，灵敏度为83.3％至87.0％，特异性为79.3至85.7％。从上面，使用基于pranet的深度学习开发了AI模型，该模型可以从不具有脱头成像的UWF图像中估算NPA大小。它是由Satoru Inoda领导的重要合作社的科学报告，他指示上述内容。目前，我们正在尝试增加数据以进一步提高准确性并尝试其他各种神经网络。

项目成果

超広角走査型レーザー顕微鏡眼底画像から造影剤検査の必要性を推定する深層学習モデル

通过超广角激光扫描眼底图像估计造影剂测试需求的深度学习模型

• 发表时间: 2022
• 作者: Inoda Satoru;Takahashi Hidenori;Yamagata Hitoshi;Hisadome Yoichiro;Kondo Yusuke;Tampo Hironobu;Sakamoto Shinichi;Katada Yusaku;Kurihara Toshihide;Kawashima Hidetoshi;Yanagi Yasuo;長岡広祐
• 通讯作者: 長岡広祐

情報処理装置、情報処理方法及びプログラム

信息处理装置、信息处理方法及程序

• 发表时间: 2021