DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images

要約

タイトル：DRAC: ウルトラワイドオプチカルコヒーレンストモグラフィ解析画像による糖尿病性網膜症の解析チャレンジ

要約：
– 糖尿病性網膜症(DR)のコンピュータ支援自動解析は、視覚障害や失明の危険性を減らす上で重要である。
– ウルトラワイドオプチカルコヒーレンストモグラフィ・アンギオグラフィ(UW-OCTA)は、DR診断システムにおいて非侵襲性かつ安全な画像診断法であるが、モデル開発・評価に公開されたベンチマークが不足している。
– DR診断のUW-OCTA画像の研究と科学的なベンチマークを促進するため、25回目の国際医用画像処理とコンピュータ支援介入会議（MICCAI 2022）と共同で「DRAC – Diabetic Retinopathy Analysis Challenge」という課題を設定した。
– チャレンジにはDRレッションのセグメンテーション、画像品質評価、DRグレーディングの3つのタスクが含まれる。
– 科学コミュニティは肯定的にチャレンジに応じ、地理的に多様な機関から11、12、13のチームがそれぞれのタスクに異なる解決策を提出した。
– この論文は、チャレンジの各タスクのトップパフォーマンスソリューションと結果の要約と分析を示しています。
– トップアルゴリズムから得られた結果は、データ拡張、モデルアーキテクチャ、ネットワークアンサンブルが深層学習モデルの性能向上に重要であることを示しており、これらの発見は糖尿病性網膜症の解析の新しい発展を可能にする可能性がある。
– チャレンジは、今後の手法開発のベンチマークを行うために後チャレンジ登録と提出が引き続き可能である。

要約(オリジナル)

Computer-assisted automatic analysis of diabetic retinopathy (DR) is of great importance in reducing the risks of vision loss and even blindness. Ultra-wide optical coherence tomography angiography (UW-OCTA) is a non-invasive and safe imaging modality in DR diagnosis system, but there is a lack of publicly available benchmarks for model development and evaluation. To promote further research and scientific benchmarking for diabetic retinopathy analysis using UW-OCTA images, we organized a challenge named ‘DRAC – Diabetic Retinopathy Analysis Challenge’ in conjunction with the 25th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2022). The challenge consists of three tasks: segmentation of DR lesions, image quality assessment and DR grading. The scientific community responded positively to the challenge, with 11, 12, and 13 teams from geographically diverse institutes submitting different solutions in these three tasks, respectively. This paper presents a summary and analysis of the top-performing solutions and results for each task of the challenge. The obtained results from top algorithms indicate the importance of data augmentation, model architecture and ensemble of networks in improving the performance of deep learning models. These findings have the potential to enable new developments in diabetic retinopathy analysis. The challenge remains open for post-challenge registrations and submissions for benchmarking future methodology developments.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI