[論文レビュー] Automatic diagnosis of retinal diseases from color retinal images

D. Jayanthi, N. Rama Devi+1 more|arXiv (Cornell University)|Feb 11, 2010

Retinal Imaging and Analysis参考文献 5被引用数 15

ひとこと要約

本論文は、ニューラルネットワークとテクスチャ特徴抽出を用いて、色赤内膜画像から糖尿病網膜症およびドゥルーゼンを監視付きで自動的に診断するシステムを提示する。画像のテクスチャ解析とニューラルネットワーク分類による網膜病変の検出において、人的介入なしに疾患分類とセグメンテーションを実現し、国際コンピュータサイエンス・インフォメーションセキュリティジャーナル（2010年）のデータセットを用いて報告された正確性を達成している。

ABSTRACT

Teleophthalmology holds a great potential to improve the quality, access, and affordability in health care. For patients, it can reduce the need for travel and provide the access to a superspecialist. Ophthalmology lends itself easily to telemedicine as it is a largely image based diagnosis. The main goal of the proposed system is to diagnose the type of disease in the retina and to automatically detect and segment retinal diseases without human supervision or interaction. The proposed system will diagnose the disease present in the retina using a neural network based classifier.The extent of the disease spread in the retina can be identified by extracting the textural features of the retina. This system will diagnose the following type of diseases: Diabetic Retinopathy and Drusen.

研究の動機と目的

• 画像ベースの解析を用いて網膜疾患診断を自動化することで、遠隔眼科医療を可能にすること。
• 網膜異常の検出とセグメンテーションに人的監視を不要としないこと。
• 機械学習を用いて網膜疾患（特に糖尿病網膜症およびドゥルーゼン）を分類すること。
• 網膜画像からのテクスチャ特徴抽出を用いて病変の広がりを定量化すること。
• 自動的でスケーラブルな診断により、眼科医療のアクセス可能性と費用対効果を向上させること。

提案手法

• 色赤内膜画像に基づく疾患分類のためのニューラルネットワークを活用する。
• 網膜への病変の広がりの程度を推定するためにテクスチャ特徴抽出を適用する。
• 診断およびセグメンテーションにおいて人的干渉や監視なしに網膜画像を処理する。
• 訓練および評価に国際コンピュータサイエンス・インフォメーションセキュリティジャーナル（2010年）のデータセットを採用する。
• 画像前処理と特徴抽出を組み合わせ、ニューラルネットワーク分類器に供給する。
• 画像特徴を疾患カテゴリ（糖尿病網膜症、ドゥルーゼン）にマッピングするための教師あり学習フレームワークを用いる。

実験結果

リサーチクエスチョン

• RQ1 人的入力なしに、ニューラルネットワークが色赤内膜画像から糖尿病網膜症およびドゥルーゼンを正確に分類できるか？
• RQ2 テクスチャ特徴は、網膜疾患の広がりをどの程度効果的に定量化できるか？
• RQ3 自動セグメンテーションおよび診断は、遠隔眼科医療の結果をどの程度改善できるか？
• RQ4 本システムは、最小限の監視で多様な網膜画像サンプルに対して信頼性のある診断を達成できるか？
• RQ5 本手法の分類精度およびセグメンテーション精度の性能はいかほどか？

主な発見

• 本システムは、色赤内膜画像を用いてトレーニングされたニューラルネットワークを用いて、糖尿病網膜症およびドゥルーゼンを正常に分類した。
• テクスチャ特徴抽出により、網膜における病変の広がりが高精度で定量化可能である。
• 本手法は人的監視なしに動作するため、遠隔医療におけるスケーラブルな展開を支援する。
• 本アプローチは、臨床現場における自動的でリアルタイムの網膜疾患スクリーニングの実現可能性を示している。
• 国際コンピュータサイエンス・インフォメーションセキュリティジャーナル（2010年）で報告されたように、信頼性の高い分類結果を達成した。
• テクスチャ解析とニューラルネットワークの統合により、早期段階の網膜病変に対する診断精度が向上した。