A portable diagnosis model for Keratoconus using a smartphone

要約

ケラトコノス（KC）は角膜障害であり、ぼやけて歪んだ視力をもたらします。
従来の診断ツールは、効果的ですが、しばしばかさばる、費用がかかり、専門的な操作が必要です。
この論文では、診断のためのポータブルで革新的な方法論を紹介します。
私たちの提案されたアプローチは、スマートフォンのスクリーン生成されたプラシドディスクが目に光を当てたときに、目の角膜に反映された画像を最初にキャプチャし、次にKC角膜を特定し、角膜上のKCの位置を特定するために2段階の診断を利用します。
最初の段階では、キャプチャされた画像から抽出されたプラシドディスクの高さと幅を推定して、KCがあるかどうかを識別します。
このKCの識別では、K-Meansクラスタリングが実装され、非KC（コントロール）およびKC影響を受けたグループから、抽出されたPlacidoディスクの高さと幅の値などの統計的特性を識別します。
第2段階では、距離マトリックスの作成を伴い、角膜上のKCの正確な局在を提供します。これは、効率的な治療計画に重要です。
ロジスティック回帰モデルと堅牢な統計分析とペアになったこれらの距離マトリックスの分析により、コントロールグループとKCグループの明確な区別が明らかになります。
角膜上の小さな領域を対応する距離マトリックスの対応するディスク間距離に基づいてコントロールまたはKCに分類するロジスティック回帰モデルは、96.94％の分類精度を報告しました。
この包括的なスマートフォンベースの方法は、KCを検出し、タイムリーな治療を合理化することが期待されています。

要約(オリジナル)

Keratoconus (KC) is a corneal disorder that results in blurry and distorted vision. Traditional diagnostic tools, while effective, are often bulky, costly, and require professional operation. In this paper, we present a portable and innovative methodology for diagnosing. Our proposed approach first captures the image reflected on the eye’s cornea when a smartphone screen-generated Placido disc sheds its light on an eye, then utilizes a two-stage diagnosis for identifying the KC cornea and pinpointing the location of the KC on the cornea. The first stage estimates the height and width of the Placido disc extracted from the captured image to identify whether it has KC. In this KC identification, k-means clustering is implemented to discern statistical characteristics, such as height and width values of extracted Placido discs, from non-KC (control) and KC-affected groups. The second stage involves the creation of a distance matrix, providing a precise localization of KC on the cornea, which is critical for efficient treatment planning. The analysis of these distance matrices, paired with a logistic regression model and robust statistical analysis, reveals a clear distinction between control and KC groups. The logistic regression model, which classifies small areas on the cornea as either control or KC-affected based on the corresponding inter-disc distances in the distance matrix, reported a classification accuracy of 96.94%, which indicates that we can effectively pinpoint the protrusion caused by KC. This comprehensive, smartphone-based method is expected to detect KC and streamline timely treatment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google