[論文レビュー] Assessment of central serous chorioretinopathy (CSC) depicted on color fundus photographs using deep Learning

Yi Zhen, Hang Chen+5 more|arXiv (Cornell University)|Jan 14, 2019

Retinal Imaging and Analysis参考文献 16被引用数 3

ひとこと要約

本研究では、深層学習、特にInceptionV3アーキテクチャを用いて、色眼底写真から中心せん漏性脈絡膜症（CSC）を検出する方法を評価した。2,504枚の画像をOCTで確認されたCSC状態で訓練したモデルは、人間のレーティング者と比較してKappa係数0.59を達成し、眼底画像におけるCSC病変の信頼性と一貫性のある分類が可能であることが示された。

ABSTRACT

To investigate whether and to what extent central serous chorioretinopathy (CSC) depicted on color fundus photographs can be assessed using deep learning technology. We collected a total of 2,504 fundus images acquired on different subjects. We verified the CSC status of these images using their corresponding optical coherence tomography (OCT) images. A total of 1,329 images depicted CSC. These images were preprocessed and normalized. This resulting dataset was randomly split into three parts in the ratio of 8:1:1 respectively for training, validation, and testing purposes. We used the deep learning architecture termed InceptionV3 to train the classifier. We performed nonparametric receiver operating characteristic (ROC) analyses to assess the capability of the developed algorithm to identify CSC. The Kappa coefficient between the two raters was 0.48 (p < 0.001), while the Kappa coefficients between the computer and the two raters were 0.59 (p < 0.001) and 0.33 (p < 0.05).Our experiments showed that the computer algorithm based on deep learning can assess CSC depicted on color fundus photographs in a relatively reliable and consistent way.

研究の動機と目的

• 深層学習が色眼底写真におけるCSCを信頼性を持って評価できるかどうかを明らかにすること。
• 臨床的OCT読みの結果と比較して、深層学習分類器の性能を検証すること。
• 人間の専門家とアルゴリズムの間の評価者間整合性を評価すること。
• 広く利用可能な眼底画像を用いて、早期のCSC検出に適したスケーラブルで自動化されたツールを開発すること。

提案手法

• 多様な被験者から得た2,504枚の色眼底画像を収集し、対応する光学干渉断層画像（OCT）スキャンでCSC状態を確認した。
• データセット全体にわたる一貫性を確保するため、画像を前処理および正規化した。
• ランダムなストラティフィケーションを用いて、データセットを80％学習、10％検証、10％テストに分割した。
• ImageNetで事前学習されたInceptionV3アーキテクチャを用い、CSCデータセットでファインチューニングした深層学習分類器を訓練した。
• 非パラメトリックな受信器特性（ROC）分析を用いてモデルの性能を評価した。
• 評価者とアルゴリズムの間の一致度を評価するため、スケールCohenのKappa係数を計算した。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、色眼底写真におけるCSCを正確に同定できるか？
• RQ2 CSC分類において、モデルの性能は人間の専門家レーティング者と比較してどうなるか？
• RQ3 アルゴリズムと人間の読取者との間の評価者間信頼性はどの程度か？
• RQ4 深層学習は、臨床現場におけるCSC検出のばらつきをどの程度低減できるか？

主な発見

• モデルは最初の人のレーティング者と比較してKappa係数0.59（p < 0.001）を示し、実質的な一致を示した。
• モデルは2番目の人のレーティング者と比較してKappa係数0.33（p < 0.05）を示し、やや良い一致を示した。
• 2人の人間レーティング者間の評価者間一致度は0.48（p < 0.001）であり、中程度の一致を示した。
• モデルはOCTを推論時に必要とせず、色眼底画像のみを用いてもCSC病変の検出において頑健な性能を示した。
• ROC分析により、モデルがCSCと非CSCの眼底画像を区別する強力な識別能力を有することが確認された。