血管と視神経乳頭のクロスセグメンテーションおよび注意機構を用いた特徴量選択による網膜画像分類

科学分野:

• 眼科学
• コンピュータサイエンス
• 医用画像処理

背景:

• 網膜疾患は増加しており、失明につながっています。
• 人工知能（AI）は、網膜画像解析の自動化の可能性を提供します。
• 課題には、画像のばらつきやデータセットの不均衡が含まれ、堅牢なモデル開発を妨げています。

研究 の 目的:

• 健常、緑内障、糖尿病網膜症のカテゴリに網膜画像を分類するための新しいAIアプローチを開発すること。
• 識別的特徴抽出に焦点を当て、マルチビュー情報を統合することにより、分類性能を向上させること。
• 低いクラス間変動や不均衡データセットなどの課題に対処すること。

主な方法:

• 異常認識型注意機構を用いた特徴量選択手法を採用しました。
• 視神経乳頭および血管構造を抽出し、統合するためにクロスセグメンテーションフレームワークを利用しました。
• このアプローチは、複数の公開データセット（FIVES、Drishti-GS1、SUSTech、HRF、PAPILA）で検証されました。

主要な成果:

• モデルは83%（95% CI: 80%-86%）のバランス精度を達成しました。
• 健常、緑内障、糖尿病網膜症の分類において、高い感度、特異度、陽性的中率、陰性的中率が報告されました。
• この手法は、多様なデータセット全体で3つのクラスを区別する上で堅牢性を示しました。

結論:

• 提案されたAI手法は、緑内障および糖尿病網膜症検出のための網膜画像を効果的に分類します。
• 視神経乳頭および血管構造の統合は、分類精度と堅牢性を向上させます。
• このアプローチは、重要な網膜疾患の自動スクリーニングに有望です。