CeCNN: Copula-enhanced convolutional neural networks in joint prediction of refraction error and axial length based on ultra-widefield fundus images

要約

超広視野 (UWF) 眼底画像は、より豊富な近視関連情報を提供するため、AI 支援近視スクリーニングにおける魅力的な 3D バイオマーカーです。
眼軸長（AL）は、近視スクリーニングの 2 つの主要なターゲットである球面等価性（SE）測定と強度近視の診断に深く関連していることが認識されていますが、UWF 眼底画像に基づくその予測はほとんど考慮されていません。
SEとALの測定にかかる高額な費用と時間コストを節約するために、SE、AL、および近視の状態を共同で予測するワンストップのUWFベースの眼科AIフレームワークであるCopula拡張畳み込みニューラルネットワーク(CeCNN)を提案します。
CeCNN は、複数の依存する離散連続応答と画像共変量を関連付ける多重応答回帰を定式化します。関連の非線形性はバックボーン CNN によってモデル化されます。
応答間の依存構造を完全に記述するために、新しいコピュラ尤度損失を通じて応答間の条件付き依存をモデル化し、CNN に組み込みます。
我々は、応答間の条件付き依存性の統計的解釈を提供し、そのような依存性が画像共変量によって説明される依存性を超えていることを明らかにします。
我々は、提案された損失が CNN 重みの推定効率を高めることができることを発見的に正当化します。
私たちは CeCNN を私たちが収集した UWF データセットに適用し、CeCNN がさまざまなバックボーン CNN の予測能力を大幅に強化することを実証します。
私たちの研究は、SEに加えてALも近視の重要な対策であるという眼科学の見解を証明しています。

要約(オリジナル)

The ultra-widefield (UWF) fundus image is an attractive 3D biomarker in AI-aided myopia screening because it provides much richer myopia-related information. Though axial length (AL) has been acknowledged to be highly related to the two key targets of myopia screening, Spherical Equivalence (SE) measurement and high myopia diagnosis, its prediction based on the UWF fundus image is rarely considered. To save the high expense and time costs of measuring SE and AL, we propose the Copula-enhanced Convolutional Neural Network (CeCNN), a one-stop UWF-based ophthalmic AI framework to jointly predict SE, AL, and myopia status. The CeCNN formulates a multiresponse regression that relates multiple dependent discrete-continuous responses and the image covariate, where the nonlinearity of the association is modeled by a backbone CNN. To thoroughly describe the dependence structure among the responses, we model and incorporate the conditional dependence among responses in a CNN through a new copula-likelihood loss. We provide statistical interpretations of the conditional dependence among responses, and reveal that such dependence is beyond the dependence explained by the image covariate. We heuristically justify that the proposed loss can enhance the estimation efficiency of the CNN weights. We apply the CeCNN to the UWF dataset collected by us and demonstrate that the CeCNN sharply enhances the predictive capability of various backbone CNNs. Our study evidences the ophthalmology view that besides SE, AL is also an important measure to myopia.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google