深層学習による緑内障視野進行の予測及び、反教師学習付きマルチモーダル学習への拡張

使用深度学习预测青光眼视野进展并扩展到无监督学习的多模态学习

• 批准号: 19K18835
• 负责人: 松浦 将人
• 金额: $ 2.66万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2020-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K18835/
• 关键词: 緑内障; Variational autoencoder

これまでに東大で得られた全てのハンフリー視野（SITA standard 24-2 、30-2）による視野データ（9,139例168,383眼による82,433視野）を使用して、Variational autoencoder（VAE）により視野のノイズを取り除くアルゴリズムを構築した。VAEモデルは、２４－２視野の52点の視野感度をニューラルネットワークで処理を行い、二層の中間層を通じて8次元の正規分布に圧縮し、そこからさらに二層の中間層を介して視野再構成データとして出力するものであった。訓練は10,000回繰り返し、再構成誤差の減少が飽和したことを確認した。このモデルを用い、まず3か月以内に2回視野を測定したtest retestデータセット（3か月以内に2回視野検査を測定された104例104眼の開放隅角緑内障視野）で、まず一回目に測定した視野を、前述の訓練済みのVAEモデルを用いて再構成をし、このことが視野の再現性との関連から有用かを検証した。結果として、二回目と一回目の実視野の差と、一回目の実視野と再構成された視野の差には強い正の相関がありました。このことから実測の視野をVAEを用いて再構成することは真の視野を知ることに有用である可能性が強く示唆された。次に、開放隅角緑内障眼75例117眼の視野を用いて、光干渉断層計による傍ら視神経乳頭網膜神経視線維層厚（30度毎12セクター）との機能―構造関連を解析した。この結果、再構成した視野の方が12セクターのうち11セクターで機能―構造関連が強くなっていた。

こ れ ま で に dongda で have ら れ た full て の ハ ン フ リ ー vision (SITA standard 24-2, 2) 30 - に よ る vision デ ー タ 9139 cases (168383 eyes に よ 82433 vision る) を use し て, Variational The autoencoder (VAE) によ によ field of view ノ ノ ズを ズを ズを takes ノ divided by くア ゴリズムを ゴリズムを to construct <s:1> た. VAE モ デ ル は, 24-2 の 52 points の horizons sensitivity を ニ ュ ー ラ ル ネ ッ ト ワ ー ク で 処 を line い, second の middle-tier を tong じ て eight yuan の normal distribution に 圧 shrink し, そ こ か ら さ ら に second の middle-tier を interface し て vision to constitute デ ー タ と し て output す る も の で あ っ た. Training <s:1> 10,000 turns of the cove to return <s:1>, recomposition error <s:1> reduction が saturation た とを とを confirmation <s:1> た. <s:1> モデ を を were measured by に2 visual field を tests within に and まず3 months. Youdaoplaceholder5 たtest Retest デ ー タ セ ッ ト に within (3 か month 2 back view 検 check を determination さ れ た 104 cases 104 eyes vision の open Angle glaucoma) で, ま ず a pa2 に determination し た を field of vision, the foregoing の training 済 み の VAE モ デ ル を with い て reconstitution を し, こ の こ と が vision の reproducibility と の masato even か ら useful か を 検 card し た. Results と し て, two と pa2 one pa2 の be poor vision の と, a pa2 の vision be と reconstitution さ れ た poor vision の に は strong い is の phase masato が あ り ま し た. こ の こ と か ら be の vision measurement を VAE を with い て reconstitution す る こ と は know true vision の を る こ と に useful で あ る strong possibility が く in stopping さ れ た. Time に, open Angle glaucoma eyes of 75 cases 117 eyes vision の を with い て, dry light meter involved fault に よ る alongside ら god 経 nipple omentum 経 sight d layer thickness (30 degrees in their 12 セ ク タ ー) と の function - tectonic masato even を し た. Vision こ の results, then constitute し た の party が 12 セ ク タ ー の う ち 11 セ ク タ ー で function - strong tectonic masato even が く な っ て い た.

项目成果

The usefulness of the Deep Learning method of variational autoencoder to reduce measurement noise in glaucomatous visual fields

• DOI: 10.1038/s41598-020-64869-6
• 发表时间: 2020-05-12
• 期刊: SCIENTIFIC REPORTS
• 影响因子: 4.6
• 作者: Asaoka, Ryo;Murata, Hiroshi;Shoji, Nobuyuki
• 通讯作者: Shoji, Nobuyuki