.png){kind=icon}
返回
GAMMA challenge: Glaucoma grAding from Multi-Modality imAges
.png){kind=icon}
OA
AI
DOI：10.1016/j.media.2023.102938.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
青光眼是一种慢性神经退行性疾病，是世界上不可逆但可预防的失明的主要原因之一。失明一般是由于缺乏及时发现和治疗而引起的。因此，早期筛查对于早期治疗以保持视力和维持生活质量至关重要。彩色眼底照相和光学相干断层扫描 (OCT) 是两种最具成本效益的青光眼筛查工具。两种成像方式都有突出的生物标志物来指示青光眼嫌疑人，例如眼底图像上的垂直杯盘比 (vCDR) 和OCT体积上的视网膜神经纤维层 (RNFL) 厚度。在临床实践中，通常建议进行两种筛查以获得更准确和可靠的诊断。然而，尽管基于眼底图像或OCT体积提出了用于自动青光眼检测的许多算法，但是几乎没有利用两种模态来实现目标的方法。为了填补研究空白，我们从多模式图像 (GAMMA) 挑战中建立了青光眼分级，以鼓励基于眼底和OCT的青光眼分级的发展。挑战的主要任务是根据2D眼底图像和3D OCT扫描体积对青光眼进行分级。作为GAMMA的一部分，我们公开发布了具有2D眼底彩色摄影和3D OCT体积的青光眼注释数据集，这是第一个基于机器学习的青光眼分级的多模态数据集。此外，还建立了评估框架来评估提交方法的性能。在挑战期间，提交了1272个结果，最后，选出了10个表现最佳的团队进入最后阶段。本文对他们的结果进行了分析，并对他们的方法进行了总结。由于所有团队都在挑战中提交了源代码，因此我们进行了详细的消融研究，以验证所提出的特定模块的有效性。最后，我们确定了建议的技术和策略，这些技术和策略可能对青光眼的临床诊断具有实用价值。作为眼底和OCT多模式青光眼分级的首次深入研究，我们相信GAMMA挑战将成为未来研究的重要指南和基准。
Keyword:
Glaucoma
Colour fundus photography
Multi-modality
Optical coherence tomography
GAMMA challenge
期刊
IF:
11.8
论文数:
3.8K
被引数:
2.4W
机构
查看更多机构
引用论文
Inflexibility of mental planning: A characteristic disorder with prefrontal lobe lesions?心理计划的僵化: 前额叶病变的特征性障碍？
PREAI
分享收藏Deep Symmetric Adaptation Network for Cross-Modality Medical Image Segmentation用于交叉模态医学图像分割的深度对称自适应网络OAAI
OAAI分享收藏SRS-FISH: A high-throughput platform linking microbiome metabolism to identity at the single-cell levelSrs-fish: 一个在单细胞水平将微生物组代谢与身份联系起来的高通量平台
OAAI
OAAI分享收藏Development and clinical deployment of a smartphone-based visual field deep learning system for glaucoma detection.png)
NPJ DIGITAL MEDICINEOAAI
NPJ DIGITAL MEDICINEIF15.1
OAAI分享收藏 查看更多内容