A Comprehensive Dataset and Automated Pipeline for Nailfold Capillary Analysis

要約

爪折り毛細管鏡検査は健康状態の評価に広く使用されており、自動爪折り毛細管分析システムの緊急の必要性が強調されています。
この研究では、深層学習モデルをトレーニングするための重要なリソースとして機能する、包括的な爪郭毛細血管データセット (68 人の被験者からの 321 枚の画像、219 個のビデオ、クリニックレポートと専門家の注釈付き) を構築する先駆的な取り組みを紹介します。
このデータセットを活用して、専門家の注釈を教師付きラベルとして使用して 3 つの深層学習モデルを微調整し、それらを新しいエンドツーエンドの爪折り毛細管解析パイプラインに統合しました。
このパイプラインは、爪折り毛細管の広範なサイズ要素、形態学的特徴、および動的側面を自動的に検出および測定することに優れています。
私たちは結果を臨床報告と比較しました。
実験の結果、当社の自動パイプラインは測定において平均サブピクセルレベルの精度を達成し、形態異常の特定においては89.9%の精度を達成したことが示されました。
これらの結果は、定量的な医学研究を推進し、医療における普及型コンピューティングを可能にするその可能性を強調しています。
データとコードは https://github.com/THU-CS-PI-LAB/ANFC-Automated-Nailfold-Capillary で入手できます。

要約(オリジナル)

Nailfold capillaroscopy is widely used in assessing health conditions, highlighting the pressing need for an automated nailfold capillary analysis system. In this study, we present a pioneering effort in constructing a comprehensive nailfold capillary dataset-321 images, 219 videos from 68 subjects, with clinic reports and expert annotations-that serves as a crucial resource for training deep-learning models. Leveraging this dataset, we finetuned three deep learning models with expert annotations as supervised labels and integrated them into a novel end-to-end nailfold capillary analysis pipeline. This pipeline excels in automatically detecting and measuring a wide range of size factors, morphological features, and dynamic aspects of nailfold capillaries. We compared our outcomes with clinical reports. Experiment results showed that our automated pipeline achieves an average of sub-pixel level precision in measurements and 89.9% accuracy in identifying morphological abnormalities. These results underscore its potential for advancing quantitative medical research and enabling pervasive computing in healthcare. Our data and code are available at https://github.com/THU-CS-PI-LAB/ANFC-Automated-Nailfold-Capillary.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google