糖尿病性網膜病変の分類のための非線形ラドン変換の統合
Farida Mohsen1, Samir Belhaouari1, Zubair Shah2
1College of Science and Engineering, Hamad Bin Khalifa University, Doha, Qatar.
Scientific reports
|August 21, 2025
まとめ
この研究は,糖尿病性網膜症の検出と分類のための新しいディープラーニングフレームワークであるRadFuseを導入します. RadFuseは,新しいシナグラム表現と fundus画像を組み合わせることで,既存の方法を上回る正確性を大幅に改善します.
科学分野:
- 眼科について
- 医療用イメージング
- 人工知能
背景:
- 糖尿病性網膜症は視力喪失の主な原因であり,早期発見と分類が必要である.
- 現在のディープラーニングモデルは 網膜画像の複雑な病変パターンに 苦労しています
- 正確な分類は 適時な介入と失明の予防に不可欠です
研究 の 目的:
- 糖尿病性網膜病変の検出と分類を 強化するための 多重表現のディープラーニングフレームワークである RadFuse を導入する.
- 繊細で複雑な網膜損傷の特徴を 捉えるためのものです
- よりよい分類のために空間情報と変形ドメイン情報を活用する.
主な方法:
- ラドン変換の非線形拡張であるRadEx変換を開発し,シナグラム表現を作成した.
- ディープラーニング・フレームワーク (RadFuse) の内部で,伝統的なフォンドス画像と統合されたシノグラム画像.
- ResNeXt-50,MobileNetV2,VGG19をAPTOS-2019とDDRデータセットで使用してRadFuseを評価した.
主要な成果:
- RadFuseは全てのテストされたCNNアーキテクチャで 糖尿病性網膜病変の検出と評価を大幅に改善しました
- 5段階の重症度分類で93.24%のカッパを達成し,バイナリ分類では99.09%の精度を達成しました.
- ベンチマークデータセットで最先端の方法を上回り,優れた特徴のキャプチャを証明しました.
結論:
- RadFuseは複雑な非線形特性を効果的に捉え 糖尿病性網膜症の分類を進めています
- このフレームワークは,医療画像分析に高度な数学変換を統合する可能性を示しています.
- このアプローチは,糖尿病性網膜症の自動検診と診断を改善するための有望な方向性を提供します.
