JP2023551898A - カラー眼底画像データを使用する糖尿病性網膜症重症度についての自動スクリーニング - Google Patents

Abstract

糖尿病性網膜症（ＤＲ）の重症度を評価する方法およびシステムが本明細書で提供される。カラー眼底撮像データは、ＤＲについて評価されている眼について受信される。カラー眼底撮像データを使用してメトリックが生成され、メトリックは、眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示す。【選択図】図１

Description

相互参照
本出願は、２０２０年１２月４日に出願された「ＡＵＴＯＭＡＴＥＤ ＳＣＲＥＥＮＩＮＧ ＦＯＲ ＤＩＡＢＥＴＩＣ ＲＥＴＩＮＯＰＡＴＨＹ ＳＥＶＥＲＩＴＹ ＵＳＩＮＧ ＣＯＬＯＲ ＦＵＮＤＵＳ ＩＭＡＧＥ ＤＡＴＡ」と題する米国仮特許出願第６３／１２１，７１１号、および２０２１年４月１日に出願された「ＡＵＴＯＭＡＴＥＤ ＳＣＲＥＥＮＩＮＧ ＦＯＲ ＤＩＡＢＥＴＩＣ ＲＥＴＩＮＯＰＡＴＨＹ ＳＥＶＥＲＩＴＹ ＵＳＩＮＧ ＣＯＬＯＲ ＦＵＮＤＵＳ ＩＭＡＧＥ ＤＡＴＡ」と題する米国仮特許出願第６３／１６９，８０９号の優先権を主張し、これらの出願は、あらゆる目的のためにその全体が参照により本明細書に組み込まれる。

分野
本明細書は、一般に、対象における糖尿病性網膜症（ＤＲ）の重症度を評価することに関する。より具体的には、本明細書は、カラー眼底撮像データを使用して、ニューラルネットワークシステムを介して、軽度から中程度のＤＲ、軽度から中程度に重度のＤＲ、軽度から重度のＤＲ、中程度から中程度に重度のＤＲ、中程度から重度のＤＲ、中程度に重度から重度のＤＲ、軽度を超えるＤＲ、中程度を超えるＤＲ、中程度に重度を超えるＤＲ、または重度を超えるＤＲをスクリーニングするための方法およびシステムを提供する。

背景
糖尿病性網膜症（ＤＲ）は、真性糖尿病を有する対象における一般的な微小血管合併症である。ＤＲは、高血糖レベルが網膜の血管に損傷を引き起こす場合に発生する。ＤＲの２つの段階は、初期段階の非増殖性糖尿病性網膜症（ＮＰＤＲ）およびより進行した段階の増殖性糖尿病性網膜症（ＰＤＲ）を含む。ＮＰＤＲでは、微小血管が漏出し、網膜および／または黄斑が膨潤することがある。場合によっては、黄斑虚血が起こり得るか、網膜に微小滲出物が形成され得るか、またはその双方であり得る。ＰＤＲでは、新たな脆弱な血管が、血液を硝子体液に漏出させるか、視神経を損傷させるか、またはその双方が可能な様式で成長し得る。未処置のＰＤＲは、重度の視力喪失および失明さえももたらす可能性がある。

特定の場合には、軽度のＮＰＤＲ、中程度のＮＰＤＲ、中程度に重度のＮＰＤＲ、または重度のＮＰＤＲ（ＰＤＲに進行する入口にある重症度のレベル）を有する対象を識別することが望ましい場合がある。例えば、臨床試験は、スクリーニング検査を使用して、臨床試験に含める可能性がある中程度のＮＰＤＲ、中程度に重度のＮＰＤＲ、または重度のＮＰＤＲを有する対象を識別し得る。しかしながら、そのようなスクリーニングを実行するためのいくつかの現在利用可能な方法論は、高度に訓練された査定者（例えば、人間の評価者、検査者、病理学者、臨床医、評価施設、評価エンティティなど）を必要とする場合があり、不正確で、査定者に依存し、時間がかかる場合がある。したがって、自動化された手順を使用してＤＲ重症度を正確に評価するシステムおよび方法が必要とされている。

概要
本開示は、糖尿病性網膜症（ＤＲ）重症度を評価するためのシステムおよび方法を提供する。カラー眼底撮像データは、ＤＲについて評価されている眼について受信される。カラー眼底撮像データを使用してメトリックが生成され、メトリックは、眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示す。出力は、訓練されたニューラルネットワークを使用して生成される。

１つまたは複数の実施形態では、ＤＲ重症度を評価するための方法が提供される。対象の眼についてカラー眼底撮像データが受信される。受信したカラー眼底撮像データを使用して、眼の予測ＤＲ重症度スコアが生成される（例えば、ニューラルネットワークシステムを介して）。予測ＤＲ重症度スコアが選択された範囲内に入ることを示すメトリックが、ニューラルネットワークシステムを介して生成される。

本明細書に開示された原理およびその利点のより完全な理解のために、ここで添付の図面と併せて以下の説明を参照する。

様々な実施形態にかかる、第１の評価システムのブロック図である。

様々な実施形態にかかる、糖尿病性網膜症重症度スコア（ＤＲＳＳ）の例を示している。

様々な実施形態にかかる、画像標準化手順の例を示している。

様々な実施形態にかかる、糖尿病性網膜症（ＤＲ）重症度を評価するための第１のプロセスのフローチャートである。

様々な実施形態にかかる、第２の評価システムのブロック図である。

様々な実施形態にかかる、ＤＲ重症度を評価するための第２のプロセスのフローチャートである。

様々な実施形態にかかる、図１および／または図５に関して本明細書に記載されるシステムを訓練する際に使用するためのニューラルネットワーク訓練手順のブロック図である。

様々な実施形態にかかる、コンピュータシステムのブロック図である。

図面は必ずしも一定の縮尺で描かれているわけではなく、図面内の物体は必ずしも互いに一定の縮尺で描かれているわけではないことを理解されたい。図面は、本明細書に開示される装置、システム、および方法の様々な実施形態に明瞭さおよび理解をもたらすことを意図した描写である。可能な限り、同じまたは同様の部分を指すために図面全体を通して同じ参照符号が使用される。さらに、図面は、本教示の範囲を決して限定するものではないことを理解されたい。

詳細な説明
概要
糖尿病性網膜症（ＤＲ）を有するまたは有するリスクがある対象をスクリーニングするための現在の方法は、初期治療糖尿病性網膜症試験（ＥＴＤＲＳ）によって開発された糖尿病性網膜症重症度尺度（ＤＲＳＳ）に依存している。ＤＲＳＳは、主に、特に研究の状況において、ＤＲの重症度を分類するためのゴールドスタンダードと考えられている。３５のＤＲＳＳスコアは軽度のＤＲを示し、４３のＤＲＳＳスコアは中程度のＤＲを示し、４７のＤＲＳＳスコアは中程度に重度のＤＲを示し、５３のＤＲＳＳスコアはＰＤＲの前兆である重度のＤＲを示す。

場合によっては、臨床試験または研究は、選択された重症度の範囲内に入るＤＲを有する対象に対して設計され得る。例えば、特定の臨床試験は、軽度と中程度との間、軽度と中程度に重度との間、軽度と重度との間、中程度と中程度に重度との間、中程度に重度と重度との間、中程度と重度との間、軽度を超える、中程度を超える、中程度に重度を超える、または重度を超えるＤＲを有する対象に焦点を合わせたい場合がある。対象のＤＲが中程度、中程度に重度、または重度に分類され得るかどうかを迅速、効率的、かつ正確に識別することができることは、多数の潜在的な対象をスクリーニングまたは事前スクリーニングするために重要となる場合がある。

現在、対象のスクリーニングまたは事前スクリーニングは、対象の１つまたは複数のカラー眼底画像を生成することと、それらのカラー眼底画像を、対象にＤＲＳＳスコアを割り当てるために必要な知識および経験を有する専門の人間の評価者に送信することとを含み得る。スクリーニングを受ける必要があり得る数百、数千、または数万人の対象に対してこのプロセスを繰り返すことは、費用がかかり、ラット依存性があり、時間がかかる場合がある。場合によっては、スクリーニングまたは事前スクリーニングプロセスにおけるＤＲ重症度のこのタイプの手動格付けは、望ましくない方法で臨床試験または研究に影響を及ぼし得る「ボトルネック」を形成することがある。さらに、場合によっては、このタイプの手動格付けは、人為的ミスのために所望されるほど正確ではない場合がある。

したがって、本開示の方法およびシステムは、選択された範囲の糖尿病ＤＲの自動スクリーニングを可能にする。本明細書に記載の方法およびシステムは、スクリーニングに関連付けられた時間およびコストを削減し、ラットに依存しないまたはほぼラットに依存しないプロセスを提供し、上記の他の問題の１つまたは複数、またはそれらの組み合わせを緩和するのに役立ち得る。本明細書に記載の様々な実施形態では、ニューラルネットワークシステムは、対象の眼のカラー眼底撮像データを受信する。ニューラルネットワークシステムは、眼のＤＲの重症度スコアが選択された範囲内にあるかどうかの指示を生成するために使用される。選択された範囲は、例えば、以下に限定されないが、３５以上４３以下、３５以上４７以下、３５以上５３以下、４３以上４７以下、４７以上５３以下、４３以上５３以下、少なくとも３５、少なくとも４３、少なくとも４７、または少なくとも５３のＤＲＳＳスコアであり得る。

ニューラルネットワークは、所望の精度を確保するのに十分な数のサンプルを使用して訓練される。１つまたは複数の実施形態では、訓練は、単一の人間の評価者または評価者の編成によって格付けされたサンプルを使用して実行される。他の実施形態では、訓練は、複数の人間の評価者または複数の評価者の組織によって格付けされたサンプルを使用して実行されてもよい。

上述した改善を提供することができる方法論およびシステムの重要性および有用性を認識して考慮に入れて、本明細書は、糖尿病性網膜症の重症度を評価するための様々な実施形態を記載する。より具体的には、本明細書は、カラー眼底撮像データを使用して、眼が軽度から中程度のＤＲ、軽度から中程度に重度のＤＲ、軽度から重度のＤＲ、中程度から中程度に重度のＤＲ、中程度から重度のＤＲ、中程度に重度から重度のＤＲ、軽度を超えるＤＲ、中程度を超えるＤＲ、中程度に重度を超えるＤＲ、または重度を超えるＤＲを有するかどうかを、ニューラルネットワークシステムを介して識別するための方法およびシステムの様々な実施形態を記載する。

本明細書に記載のシステムおよび方法は、選択された重症度範囲内に入るＤＲをより正確かつ迅速に識別することを可能にし得る。このタイプの迅速な識別は、ＤＲスクリーニングを改善し得て、より多くの対象をより短い時間で確実にスクリーニングすることを可能にする。いくつかの実施形態では、改善されたＤＲスクリーニングは、医療提供者が改善された処置推奨を提供すること、またはＤＲを発症する可能性があると識別された対象の後続リスク分析または監視を推奨することを可能にし得る。いくつかの実施形態では、専門の人間の評価者を訓練して、選択された重症度範囲内に入るＤＲをより正確かつ効率的に識別するか、または専門の人間の評価者によってさらに分析されるようにＤＲを有し得る対象の眼にフラグを立てるために、本明細書に記載のシステムおよび方法が使用され得る。いくつかの実施形態では、臨床試験に含める対象を正確かつ効率的に選択するために、本明細書に記載のシステムおよび方法が使用され得る。例えば、臨床試験が特定のＤＲ重症度（例えば、軽度から中程度のＤＲ、軽度から中程度に重度のＤＲ、軽度から重度のＤＲ、または本明細書に記載の任意の他のＤＲ重症度）を有するかまたは有するリスクがある対象を処置することを目的とする場合、システムおよび方法は、臨床試験に含めるためにそのＤＲ重症度を有するかまたは発症するリスクがある対象のみを識別するために使用され得る。

定義
本開示は、これらの例示的な実施形態および用途、または例示的な実施形態および用途が本明細書で動作するまたは説明される方法に限定されない。さらに、図は、簡略化されたまたは部分的な図を示す場合があり、図の要素の寸法は、誇張されているか、または比例していない場合がある。

さらに、本明細書では、「の上にある（ｏｎ）」、「に取り付けられている（ａｔｔａｃｈｅｄ ｔｏ）」、「に接続されている（ｃｏｎｎｅｃｔｅｄ ｔｏ）」、「に結合されている（ｃｏｕｐｌｅｄ ｔｏ）」という用語または同様の用語が使用される場合、一方の要素が他方の要素の上に直接あるか、他方の要素に直接取り付けられているか、他方の要素に接続されているか、または他方の要素に結合されているか、または一方の要素と他方の要素との間に１つまたは複数の介在要素が存在するかにかかわらず、一方の要素（例えば、構成要素、材料、層、基板など）は、他方の要素「の上にある」、「に取り付けられている」、「に接続されている」、または「に結合されている」ことができる。さらに、要素のリスト（例えば、要素ａ、ｂ、ｃ）が参照される場合、そのような参照は、それ自体で列挙された要素のいずれか１つ、列挙された要素の全てよりも少ない要素の任意の組み合わせ、および／または列挙された要素の全ての組み合わせを含むことが意図される。本明細書におけるセクションの区分は、単に検討を容易にするためのものであり、説明された要素の任意の組み合わせを限定するものではない。

用語「対象」は、臨床試験の対象、処置を受けている人、抗癌療法を受けている人、寛解または回復について監視されている人、（例えば、その病歴に起因して）予防健康分析を受けている人、または関心のある任意の他の人もしくは患者を指し得る。様々な場合では、「対象」および「患者」は、本明細書において交換可能に使用され得る。

特に定義されない限り、本明細書に記載の本教示に関連して使用される科学用語および技術用語は、当業者によって一般的に理解される意味を有するものとする。さらに、文脈上別段の必要がない限り、単数形の用語には複数形が含まれ、複数形の用語には単数形が含まれるものとする。一般に、化学、生化学、分子生物学、薬理学および毒物学に関連して利用される命名法およびその技術は、本明細書に記載されており、当該技術分野において周知であり、一般的に使用されるものである。

本明細書で使用される場合、「実質的に」は、意図された目的のために機能するのに十分であることを意味する。したがって、「実質的に」という用語は、当業者によって予想されるが、全体的な性能にそれほど影響しないような、絶対的または完全な状態、寸法、測定値、結果などからの微細な、僅かな変動を可能にする。数値、または数値として表されることのできるパラメータもしくは特性に関して使用される場合、「実質的に」とは、１０パーセント以内を意味する。

「複数」という用語は、２つ以上を意味する。

本明細書で使用される場合、「複数」という用語は、２、３、４、５、６、７、８、９、１０以上とすることができる。

本明細書で使用される場合、「のセット」という用語は、１つまたは複数を意味する。例えば、項目のセットは、１つまたは複数の項目を含む。

本明細書で使用される場合、「のうちの少なくとも１つ」という語句は、項目のリストとともに使用される場合、列挙された項目のうちの１つまたは複数の異なる組み合わせが使用されてもよく、リスト内の項目のうちの１つのみが必要とされてもよいことを意味する。項目は、特定の物体、物、ステップ、動作、プロセス、またはカテゴリであり得る。換言すれば、「のうちの少なくとも１つ」は、リストから項目の任意の組み合わせまたは任意の数の項目が使用されてもよいが、リスト内の項目の全てが必要とされるわけではない場合があることを意味する。例えば、限定されないが、「項目Ａ、項目Ｂ、または項目Ｃのうちの少なくとも１つ」は、項目Ａ、項目Ａおよび項目Ｂ、項目Ｂ、項目Ａ、項目Ｂ、および項目Ｃ、項目Ｂおよび項目Ｃ、または項目ＡおよびＣを意味する。場合によっては、「項目Ａ、項目Ｂ、または項目Ｃの少なくとも１つ」は、限定されないが、項目Ａのうちの２つ、項目Ｂのうちの１つ、および項目Ｃのうちの１０個、項目Ｂのうちの４個と項目Ｃのうちの７個、またはいくつかの他の適切な組み合わせを意味する。

本明細書で使用される場合、「モデル」は、１つまたは複数のアルゴリズム、１つまたは複数の数学的技術、１つまたは複数の機械学習アルゴリズム、またはそれらの組み合わせを含み得る。

本明細書で使用される場合、「機械学習」は、アルゴリズムを使用してデータを解析し、そこから学習し、次いで世界の何かについての決定または予測を行う実践を含む。機械学習は、ルールベースのプログラミングに依存することなくデータから学習することができるアルゴリズムを使用する。

本明細書で使用される場合、「人工ニューラルネットワーク」または「ニューラルネットワーク」（ＮＮ）は、計算に対する接続論的手法に基づいて情報を処理する人工ニューロンの相互接続されたグループを模倣する数学的アルゴリズムまたは計算モデルを指し得る。ニューラルネットと呼ばれることもあるニューラルネットワークは、非線形ユニットの１つまたは複数の層を使用して、受信した入力の出力を予測することができる。いくつかのニューラルネットワークは、出力層に加えて１つまたは複数の隠れ層を含む。各隠れ層の出力は、ネットワーク内の次の層、すなわち、次の隠れ層または出力層への入力として使用される。ネットワークの各層は、各パラメータのセットの現在の値にしたがって、受信した入力から出力を生成し得る。様々な実施形態では、「ニューラルネットワーク」への言及は、１つまたは複数のニューラルネットワークへの言及であり得る。

ニューラルネットワークは、以下の２つの方法で情報を処理し得る：ニューラルネットワークが訓練されているとき、ニューラルネットワークは訓練モードにあり、ニューラルネットワークがそれ自体で学習したことを実際に実行するとき、ニューラルネットワークは推論（または予測）モードにある。ニューラルネットワークは、出力が訓練データの出力と一致するように、ネットワークが中間隠れ層内の個々のノードの重み係数を調整する（その挙動を修正する）ことを可能にするフィードバックプロセス（例えば、バックプロパゲーション）を通じて学習する。換言すれば、ニューラルネットワークは、訓練データ（学習例）を供給されることによって学習し、最終的には、新たな範囲または入力のセットが提示された場合であっても、正しい出力に到達する方法を学習する。ニューラルネットワークは、例えば、限定されないが、フィードフォワードニューラルネットワーク（ＦＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、モジュラーニューラルネットワーク（ＭＮＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、残差ニューラルネットワーク（ＲｅｓＮｅｔ）、常微分方程式ニューラルネットワーク（ニューラル－ＯＤＥ）、または別のタイプのニューラルネットワークのうちの少なくとも１つを含み得る。

糖尿病性網膜症重症度についての自動スクリーニング
図１は、様々な実施形態にかかる第１の評価システム１００のブロック図である。評価システム１００は、１人または複数の対象の１つまたは複数の眼（例えば、１つまたは複数の網膜）における糖尿病性網膜症（ＤＲ）重症度を評価するために使用される。

評価システム１００は、コンピューティングプラットフォーム１０２と、データストレージ１０４と、ディスプレイシステム１０６とを含む。コンピューティングプラットフォーム１０２は、様々な形態をとり得る。１つまたは複数の実施形態では、コンピューティングプラットフォーム１０２は、互いに通信する単一のコンピュータ（またはコンピュータシステム）または複数のコンピュータを含む。他の例では、コンピューティングプラットフォーム１０２は、クラウドコンピューティングプラットフォームの形態をとる。

データストレージ１０４およびディスプレイシステム１０６は、それぞれ、コンピューティングプラットフォーム１０２と通信する。いくつかの例では、データストレージ１０４、ディスプレイシステム１０６、またはその双方は、コンピューティングプラットフォーム１０２の一部と見なされるか、そうでなければ統合されてもよい。したがって、いくつかの例では、コンピューティングプラットフォーム１０２、データストレージ１０４、およびディスプレイシステム１０６は、互いに通信する別個の構成要素であってもよいが、他の例では、これらの構成要素のいくつかの組み合わせが一緒に統合されてもよい。

評価システム１００は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの組み合わせを使用して実装され得る画像プロセッサ１０８を含む。１つまたは複数の実施形態では、画像プロセッサ１０８は、コンピューティングプラットフォーム１０２に実装される。

画像プロセッサ１０８は、処理のために入力１１０を受信する。１つまたは複数の実施形態では、入力１１０は、カラー眼底撮像データ１１２を含む。カラー眼底撮像データ１１２は、例えば、カラー眼底撮像技術（カラー眼底撮影ともいう）を使用して生成されたカラー眼底画像の１つまたは複数の視野（または複数の視野）を含んでもよい。１つまたは複数の実施形態では、カラー眼底撮像データ１１２は、７視野カラー眼底撮像データを含む。いくつかの実施形態では、各視野は、カラー眼底画像を含む。

画像プロセッサ１０８は、ＤＲ検出システム１１４を使用して入力１１０の少なくともカラー眼底撮像データ１１２を処理してメトリック１１６を生成する。いくつかの実施形態では、ＤＲ検出システム１１４は、ニューラルネットワークシステムを備える。１つまたは複数の実施形態では、メトリック１１６は、眼のＤＲ重症度についてのスコア（例えば、ＤＲＳＳスコア）が選択された範囲内に入る確率１１８を示す。選択された範囲は、例えば、以下に限定されないが、軽度から中程度の範囲、軽度から中程度に重度の範囲、軽度から重度の範囲、中程度から中程度に重度の範囲、中程度に重度から重度の範囲、中程度から重度の範囲、軽度を超える範囲、中程度を超える範囲、中程度に重度を超える範囲、または重度を超える範囲であり得る。１つまたは複数の実施形態では、これらの範囲は、それぞれ、３５以上４３以下、３５以上４７以下、３５以上５３以下、４３以上４７以下、４７以上５３以下、４３以上５３以下、少なくとも３５、少なくとも４３、少なくとも４７、または少なくとも５３のＤＲＳＳの部分に対応する。

図２は、様々な実施形態にかかるＤＲＳＳスコアの例２００を示している。いくつかの実施形態では、１０以上１２以下の第１のスコア２０２は、ＤＲが眼に存在しないことを示す。いくつかの実施形態では、１４以上２０以下の第２のスコア２０４は、ＤＲが眼に存在し得ることを示す（すなわち、ＤＲが眼において疑わしい）。いくつかの実施形態では、少なくとも３５、または３５以上４３以下の第３のスコア２０６は、軽度のＤＲが眼に存在し得ることを示す。いくつかの実施形態では、少なくとも４３、または４３以上４７以下の第４のスコア２０８は、中程度のＤＲが眼に存在し得ることを示す。いくつかの実施形態では、少なくとも４７、または４７以上５３以下の第５のスコア２１０は、中程度に重度のＤＲが眼に存在し得ることを示す。いくつかの実施形態では、少なくとも５３の第６のスコア２１２は、中程度に重度のＤＲが眼に存在し得ることを示す。図２は、第１のスコアに関連付けられた例示的な第１の眼底画像２２２、第２のスコアに関連付けられた例示的な第２の眼底画像２２４、第３のスコアに関連付けられた例示的な第３の眼底画像２２６、第４のスコアに関連付けられた例示的な第４の眼底画像２２８、第５のスコアに関連付けられた例示的な第５の眼底画像２３０、および第６のスコアに関連付けられた例示的な第６の画像２３２をさらに示している。

図１の説明に戻ると、いくつかの実施形態では、メトリック１１６は、０と１との間および／または０と１とを含む確率値の形態をとる。他の実施形態では、メトリック１１６は、確率のカテゴリ（例えば、低い確率および高い確率から選択されるカテゴリなど）または分類器である。１つまたは複数の実施形態では、メトリック１１６は、確率が選択された閾値を上回るかどうかのバイナリ指示である。いくつかの実施形態では、閾値は、少なくとも約０．５、０．６、０．７、０．８、０．９以上である。いくつかの実施形態では、閾値は、多くとも約０．９、０．８、０．７、０．６、０．５以下である。いくつかの実施形態では、閾値は、前述の値のいずれか２つによって定義される範囲内にある。

他の実施形態では、画像プロセッサ１０８は、ＤＲ検出システム１１４を使用して入力１１０の少なくともカラー眼底撮像データ１１２を処理して、予測ＤＲ重症度スコア（例えば、予測ＤＲＳＳスコア）を生成する。次いで、画像プロセッサ１０８は、予測糖尿病性網膜症重症度スコアが選択された範囲内に入る確率１１８を示すメトリック１１６を生成し得る。

ＤＲ検出システム１１４は、任意の数または組み合わせのニューラルネットワークを含み得る。１つまたは複数の実施形態では、ＤＲ検出システム１１４は、１つまたは複数のニューラルネットワークを含む畳み込みニューラルネットワーク（ＣＮＮ）システムの形態をとる。これらの１つまたは複数のニューラルネットワークのそれぞれは、それ自体が畳み込みニューラルネットワークであってもよい。

いくつかの実施形態では、画像プロセッサ１０８は、画像標準化システム１２０をさらに備える。いくつかの実施形態では、画像標準化システム１２０は、カラー眼底撮像データ１１２に対して少なくとも１つの画像標準化手順を実行して、標準化画像データのセットを生成するように構成されている。いくつかの実施形態では、少なくとも１つの画像標準化手順は、視野検出手順、中央トリミング手順、前景抽出手順、領域抽出手順、中央領域抽出手順、適応ヒストグラム等化（ＡＨＥ）手順、およびコントラスト制限ＡＨＥ（ＣＬＡＨＥ）手順のうちの１つまたは複数を含む。いくつかの実施形態では、画像標準化システム１２０は、上述した手順のうちの任意の少なくとも１つ、２つ、３つ、４つ、５つ、６つ、もしくは７つ、または多くとも任意の７つ、６つ、５つ、４つ、３つ、２つ、もしくは１つを実行するように構成されている。

いくつかの実施形態では、視野検出手順は、カラー眼底画像の特徴が抽出されるカラー眼底画像内の視野を検出するように構成された任意の手順を含む。いくつかの実施形態では、中央トリミング手順は、カラー眼底画像の残りの部分からカラー眼底画像の中央領域をトリミングするように構成された任意の手順を含む。いくつかの実施形態では、前景抽出手順は、カラー眼底画像の残りの部分からカラー眼底画像の前景領域を抽出するように構成された任意の手順を含む。いくつかの実施形態では、領域抽出手順は、カラー眼底画像の残りの部分からカラー眼底画像の任意の領域を抽出するように構成された任意の手順を含む。いくつかの実施形態では、中央領域抽出手順は、カラー眼底画像の残りの部分からカラー眼底画像の中央領域を抽出するように構成された任意の手順を含む。

図３は、画像標準化手順３００の例を示している。図示の例では、眼の入力カラー眼底画像３０２が受信される。

次に、入力されたカラー眼底画像３０２から眼の前景画像３０４を生成するために、眼の前景領域（眼の眼底部分領域など）が抽出される。いくつかの実施形態では、前景領域は、視野検出手順または前景抽出手順を使用して抽出される。いくつかの実施形態では、前景領域は、カラー眼底画像内にバイナリマスクを構築することによって抽出される。いくつかの実施形態では、バイナリマスクは、強度閾値処理演算を使用して入力カラー眼底画像から取得される。いくつかの実施形態では、閾値は、入力カラー眼底画像の少なくとも１つ、２つ、３つ、もしくは４つのコーナー、または入力カラー眼底画像の多くとも４つ、３つ、２つ、もしくは１つのコーナーから推定される。いくつかの実施形態では、入力カラー眼底画像が１つまたは複数のコーナーにテキストまたはラベルを含む場合、画像内の最も明るいコーナーの少なくとも１つまたは２つ、またはほとんど１つまたは２つが除外され、残りのコーナーが閾値を推定するために使用される。いくつかの実施形態では、眼の前景領域内の実質的に全てのピクセルが前景画像３０４に含まれることを保証するために、閾値が係数だけ増加される。いくつかの実施形態では、係数は、実験的に決定される。いくつかの実施形態では、バイナリマスクは、その後、入力カラー眼底画像の背景領域を含まないバイナリマスクの最大接続成分に置き換えられる。いくつかの実施形態では、バイナリマスクの孔を埋めるために、バイナリ拡張がバイナリマスクに対して実行される。

前景画像３０４から眼の中央領域画像３０６を生成するために、眼の中央領域が抽出され得る。いくつかの実施形態では、中央領域は、中央トリミング手順、領域抽出手順、または中央領域抽出手順を使用して抽出される。いくつかの実施形態では、中央領域は、ハフ変換または循環ハフ変換を使用して抽出される。

中央領域画像３０６から眼のコントラスト強調画像３０８を生成するために、コントラスト強調手順も適用され得る。いくつかの実施形態では、コントラスト強調手順は、ＡＨＥ手順またはＣＬＡＨＥ手順を含む。

いくつかの実施形態では、画像標準化手順３００は、生のカラー眼底撮像データに対するシステム１００の使用と比較して、システム１００（図１に関連して本明細書に記載される）の性能を改善する標準化画像データを生成する。いくつかの実施形態では、標準化画像データは、メトリック１１６（図１に関連して本明細書に記載される）を生成するために使用される。

図１の説明に戻ると、いくつかの実施形態では、画像プロセッサ１０８は、グレーダビリティシステム１２２をさらに備える。いくつかの実施形態では、グレーダビリティシステム１２２は、カラー眼底撮像データに関連付けられた視野の数に基づいてカラー眼底撮像データ（または標準化画像データ）のグレーダビリティを決定するように構成されている。いくつかの実施形態では、カラー眼底撮像データ（または標準化画像データ）は、ＤＲＳＳを決定するには不十分ないくつかの視野を含み得る。例えば、臨床的に有意な黄斑浮腫（ＣＳＭＥ）を検出するために使用されるカラー眼底撮像データは、１つの視野のみを含むことがあり、したがって、ＤＲＳＳを決定するのに十分な情報を含まないことがある。したがって、グレーダビリティは、カラー眼底撮像データ（または標準化画像データ）が少なくとも所定数の視野を含むかまたは含まないことを示し得る。いくつかの実施形態では、所定数は、少なくとも約２つ、３つ、４つ、５つ、６つ、７つ、８つ、またはそれ以上、多くとも８つ、７つ、６つ、５つ、４つ、３つ、もしくは２つ、または前述の値のいずれか２つによって定義される範囲内である。いくつかの実施形態では、グレーダビリティシステム１２２は、少なくとも所定数の視野を含まないカラー眼底撮像データ（または標準化画像データ）を除外するように構成されている。

いくつかの実施形態では、グレーダビリティシステム１２２は、図１に示すように、画像標準化システム１２０から入力を受信するように構成されている。いくつかの実施形態では、画像標準化システム１２０は、グレーダビリティシステム１２２から入力を受信するように構成されている。

いくつかの実施形態では、入力データ１１０は、対象に関連付けられたベースライン人口統計学的データ１２４および／または対象に関連付けられたベースライン臨床データ１２６をさらに含む。いくつかの実施形態では、ベースライン人口統計学的データ１２４は、年齢、性別、身長、体重、人種、民族、および／または対象に関連付けられた他の人口統計データを含む。いくつかの実施形態では、ベースライン臨床データ１２６は、糖尿病型（例えば、１型糖尿病または２型糖尿病）または糖尿病持続期間などの対象の糖尿病状態を含む。いくつかの実施形態では、メトリック１１６は、カラー眼底撮像データに加えて、ベースライン人口統計学的データおよび／またはベースライン臨床データを使用して生成される。

図４は、様々な実施形態にかかる、ＤＲ重症度を評価するための第１のプロセス４００のフローチャートである。１つまたは複数の実施形態では、プロセス４００は、図１に記載の評価システム１００を使用して実装される。

ステップ４０２は、少なくとも対象の眼についてのカラー眼底撮像データを含む入力データを受信することを含む。眼についてのカラー眼底撮像データは、図１に関して本明細書に記載された任意のカラー眼底撮像データを含み得る。

ステップ４０４は、カラー眼底撮像データに対して少なくとも１つの画像標準化手順を実行することを含む。少なくとも１つの画像標準化手順は、図１または図３に関して本明細書に記載された任意の画像標準化手順であり得る。

ステップ４０６は、標準化画像データのセットを生成することを含む。いくつかの実施形態では、標準化画像データは、少なくとも１つの画像標準化手順を使用して生成される。

ステップ４０８は、少なくとも標準化画像データを使用して、眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを生成することを含む。このメトリックは、例えば、図１に関して本明細書に記載されたメトリック１１６であり得る。選択された範囲は、図１に関して本明細書に記載された任意の選択された範囲であり得る。いくつかの実施形態では、メトリックは、図１に関して本明細書に記載されたＤＲ検出システム１１４などのニューラルネットワークシステムを使用して生成される。

いくつかの実施形態では、本方法は、図１に関して本明細書に記載されるように、カラー眼底撮像データのグレーダビリティを決定することをさらに含む。いくつかの実施形態では、本方法は、図１に関して本明細書に記載されるように、少なくとも所定数の視野を含まない場合、カラー眼底撮像データを除外することをさらに含む。

いくつかの実施形態では、入力データは、図１に関して本明細書に記載されるように、対象に関連付けられた任意のベースライン人口統計学的データおよび／またはベースライン臨床データをさらに含む。いくつかの実施形態では、メトリックは、図１に関して本明細書に記載されるように、カラー眼底撮像データに加えてベースライン人口統計学的データおよび／またはベースライン臨床データを使用して生成される。

いくつかの実施形態では、本方法は、複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む。いくつかの実施形態では、訓練データセットは、複数の訓練対象に関連付けられたベースライン人口統計学的データおよび／または複数の訓練対象に関連付けられたベースライン臨床データをさらに含む。複数の訓練対象は、少なくとも約１０００、２０００、３０００、４０００、５０００、６０００、７０００、８０００、９０００、１万、２万、３万、４万、５万、６万、７万、８万、９万、１０万、２０万、３０万、４０万、５０万、６０万、７０万、８０万、９０万、１００万以上の対象、多くとも約１００万、９０万、８０万、７０万、６０万、５０万、４０万、３０万、２０万、１０万、９万、８万、７万、６万、５万、４万、３万、２万、１万、９０００、８０００、７０００、６０００、５０００、４０００、３０００、２０００、１０００以下の対象、または前述の値のいずれか２つによって定義される範囲内にある数の対象など、任意の数の対象を含み得る。いくつかの実施形態では、本方法は、図７に関して本明細書に記載された方法を使用してニューラルネットワークシステムを訓練することをさらに含む。

図５は、様々な実施形態にかかる第２の評価システム５００のブロック図である。評価システム５００は、１人または複数の対象の１つまたは複数の眼（例えば、１つまたは複数の網膜）における糖尿病性網膜症（ＤＲ）重症度を評価するために使用される。

評価システム５００は、図１に関して本明細書に記載された評価システム１００と同様であってもよい。いくつかの実施形態では、評価システム５００は、図１に関して本明細書に記載されるように、コンピューティングプラットフォーム１０２、データストレージ１０４、ディスプレイシステム１０６、および画像プロセッサ１０８を含む。いくつかの実施形態では、画像プロセッサ１０８は、図１に関して本明細書に記載されるように、処理のための入力１１０を受信する。いくつかの実施形態では、入力１１０は、図１に関して本明細書に記載されるように、カラー眼底撮像データ１１２を含む。画像プロセッサ１０８は、図１に関して本明細書に記載されるように、ＤＲ検出システム１１４を使用して入力１１０の少なくともカラー眼底撮像データ１１２を処理してメトリック１１６を生成する。１つまたは複数の実施形態では、メトリック１１６は、図１に関して本明細書に記載されるように、眼のＤＲ重症度についてのスコア（例えば、ＤＲＳＳスコア）が選択された範囲内に入る確率１１８を示す。選択された範囲は、図１に関して本明細書に記載された任意の選択された範囲であり得る。いくつかの実施形態では、入力１００は、図１に関して本明細書に記載されるように、ベースライン人口統計学的データ１２４および／またはベースライン臨床データ１２６を含む。

第１の評価システム１００と比較して、評価システム５００は、眼のメトリックおよび／または分類を決定するために使用され得る１つまたは複数の決定５１０を受信するように構成されてもよい。いくつかの実施形態では、１つまたは複数の決定は、専門家によって提供されるか、または専門家の決定と関連付けられる。いくつかの実施形態では、１つまたは複数の決定は、１つまたは複数のＤＲ重症度スコア５１２を含む。いくつかの実施形態では、１つまたは複数のＤＲ重症度スコア５１２は、対象の眼に関連付けられたＤＲ重症度スコアの専門家による決定に基づく。例えば、いくつかの実施形態では、１つまたは複数のＤＲ重症度スコアは、対象の眼に関連付けられたＤＲ重症度スコアの専門家格付けに基づく。いくつかの実施形態では、１つまたは複数の決定は、複数のＤＲ重症度分類５１４を含む。いくつかの実施形態では、複数のＤＲ重症度分類５１４は、特定のＤＲ重症度スコアに関連付けられたＤＲ重症度分類の専門家による決定に基づく。いくつかの実施形態では、複数のＤＲ重症度分類は、軽度から中程度のＤＲ（３５以上４３以下のＤＲＳＳに対応する）、軽度から中程度のＤＲ（３５以上４７以下のＤＲＳＳに対応する）、軽度から重度のＤＲ（３５以上５３以下のＤＲＳＳに対応する）、中程度から中程度に重度のＤＲ（４３以上４７以下のＤＲＳＳに対応する）、中程度から重度のＤＲ（４３以上５３以下のＤＲＳＳに対応する）、中程度に重度から重度のＤＲ（４７以上５３以下のＤＲＳＳに対応する）、軽度を超えるＤＲ（少なくとも３５のＤＲＳＳに対応する）、中程度を超えるＤＲ（少なくとも４３のＤＲＳＳに対応する）、中程度に重度を超えるＤＲ（少なくとも４７のＤＲＳＳに対応する）、および重度を超えるＤＲ（少なくとも５３のＤＲＳＳに対応する）のうちの１つまたは複数を示す。

したがって、いくつかの実施形態では、評価システム５００は、１つまたは複数のＤＲ重症度スコアの決定を受信し、この決定に少なくとも部分的に基づいてメトリックを決定するように構成されている。

いくつかの実施形態では、評価システム５００は、分類器５２０をさらに備える。いくつかの実施形態では、評価システムは、複数のＤＲ重症度分類の決定を受信するように構成され、分類器は、メトリックおよび複数のＤＲ重症度分類に基づいて、眼を複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に分類するように構成されている。

図６は、様々な実施形態にかかる、ＤＲ重症度を評価するための第２のプロセス６００のフローチャートである。１つまたは複数の実施形態では、プロセス６００は、図５に記載された評価システム５００を使用して実装される。

ステップ６０２は、１つまたは複数のＤＲ重症度スコアを決定することを含む。いくつかの実施形態では、各スコアは、ＤＲ重症度レベルに関連付けられる。１つまたは複数のＤＲ重症度スコアは、図５に関して本明細書に記載された任意のＤＲ重症度スコアであってもよい。

ステップ６０４は、複数のＤＲ重症度分類を決定することを含み、各分類は、ＤＲ重症度閾値スコアの範囲またはセットによって示される。複数のＤＲ重症度分類は、図５に関して本明細書に記載された任意のＤＲ重症度分類であってもよい。

ステップ６０６は、少なくとも対象の眼についてのカラー眼底撮像データを含む入力データを受信することを含む。

ステップ６０８は、受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することを含む。選択された範囲は、図５に関して本明細書に記載された任意の選択された範囲であってもよい。

ステップ６１０は、メトリックに基づいて眼を複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に分類することを含む。

いくつかの実施形態では、入力データは、図１に関して本明細書に記載されるように、対象に関連付けられた任意のベースライン人口統計学的データおよび／またはベースライン臨床データをさらに含む。いくつかの実施形態では、メトリックは、図１に関して本明細書に記載されるように、カラー眼底撮像データに加えてベースライン人口統計学的データおよび／またはベースライン臨床データを使用して生成される。

いくつかの実施形態では、本方法は、複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む。いくつかの実施形態では、訓練データセットは、複数の訓練対象に関連付けられたベースライン人口統計学的データおよび／または複数の訓練対象に関連付けられたベースライン臨床データをさらに含む。複数の訓練対象は、少なくとも約１０００、２０００、３０００、４０００、５０００、６０００、７０００、８０００、９０００、１万、２万、３万、４万、５万、６万、７万、８万、９万、１０万、２０万、３０万、４０万、５０万、６０万、７０万、８０万、９０万、１００万以上の対象、多くとも約１００万、９０万、８０万、７０万、６０万、５０万、４０万、３０万、２０万、１０万、９万、８万、７万、６万、５万、４万、３万、２万、１万、９０００、８０００、７０００、６０００、５０００、４０００、３０００、２０００、１０００以下の対象、または前述の値のいずれか２つによって定義される範囲内にある数の対象など、任意の数の対象を含み得る。いくつかの実施形態では、本方法は、図７に関して本明細書に記載された方法を使用してニューラルネットワークシステムを訓練することをさらに含む。

図７は、図１および／または図５に関して本明細書に記載されるＤＲ予測システムまたはニューラルネットワークシステムを訓練する際に使用するためのニューラルネットワーク訓練手順のブロック図である。学習段階の間に、ニューラルネットワークシステムは、図１、図４、図５、および／または図６に関連して本明細書に記載されたメトリックおよび／または分類を決定するように訓練され得る。訓練段階の間に、（図７において「全データセット」と呼ばれる）ニューラルネットワークシステムを訓練するために使用されるデータセット（本明細書に記載の複数の訓練対象に関連付けられた格付けされたカラー眼底撮像データなど）は、最初に層別化され、患者レベルで分割され得る。次いで、全データセットは、ニューラルネットワークシステムを訓練するために使用される第１の部分（図７において「訓練データセット」と呼ばれる）、ニューラルネットワークを調整するために使用される第２の部分（図７において「調整データセット」と呼ばれる）、および訓練されたニューラルネットワークシステムの後の試験および／または評価のために保持される第３の部分（図７において「試験データセット」と呼ばれる）に分割され得る。第１の部分は、全データセットの少なくとも約７０％、７５％、８０％、８５％、９０％、９５％、もしくはそれ以上、全データセットの多くとも約９５％、９０％、８５％、８０％、７５％、７０％、もしくはそれ以下、または前述の値のいずれか２つによって定義される範囲内にある全データセットのパーセンテージを含み得る。第２の部分は、全データセットの少なくとも約５％、１０％、１５％、２０％、もしくはそれ以上、全データセットの多くとも約２０％、１５％、１０％、５％、もしくはそれ以下、または前述の値のいずれか２つによって定義される範囲内にある全データセットのパーセンテージを含み得る。第３の部分は、全データセットの少なくとも約５％、１０％、１５％、２０％、もしくはそれ以上、全データセットの多くとも約２０％、１５％、１０％、５％、もしくはそれ以下、または前述の値のいずれか２つによって定義される範囲内にある全データセットのパーセンテージを含み得る。

訓練データセットは、ニューラルネットワークシステムを訓練するために使用され得る。訓練データセットを用いた訓練後のニューラルネットワークシステムの性能を試験および調整するために、調整データセットが使用され得る。結果として得られる訓練されたニューラルネットワークシステムは、試験データセットに関連付けられた本明細書に記載の任意のメトリックおよび／または任意の分類を予測するために試験データセットに適用され得る。予測されたメトリックおよび／または分類は、様々な統計的尺度を使用して、ホールドアウトデータセットに関連付けられた「グラウンドトゥルース」（実際の時系列応答および／または対応する画像特徴など）と比較され得る。例えば、尺度は、Ｒ^２値、二乗平均平方根誤差（ＲＭＳＥ）、平均絶対誤差（ＭＡＥ）、およびピアソン相関係数のうちの任意の１つまたは複数を含み得る。

コンピュータ実装システム
図８は、様々な実施形態にかかるコンピュータシステムのブロック図である。コンピュータシステム８００は、図１および／または図５において上述したコンピューティングプラットフォーム１０２の一実装の例であり得る。１つまたは複数の例では、コンピュータシステム８００は、情報を通信するためのバス８０２または他の通信機構と、情報を処理するためのバス８０２に結合された少なくとも１つのプロセッサ８０４とを含むことができる。様々な実施形態では、コンピュータシステム８００はまた、プロセッサ８０４によって実行される命令を決定するためにバス８０２に結合されたランダムアクセスメモリ（ＲＡＭ）８０６または他の動的記憶装置とすることができるメモリを含むことができる。メモリはまた、プロセッサ８０４によって実行される命令の実行中に一時変数または他の中間情報を記憶するために使用され得る。様々な実施形態では、コンピュータシステム８００は、プロセッサ８０４のための静的情報および命令を記憶するためにバス８０２に結合された読み出し専用メモリ（ＲＯＭ）８０８または他の静的記憶装置をさらに含むことができる。情報および命令を記憶するために、磁気ディスクまたは光ディスクなどの記憶装置８１０が設けられ、バス８０２に結合され得る。

様々な実施形態では、コンピュータシステム８００は、バス８０２を介して、コンピュータユーザに情報を表示するために、陰極線管（ＣＲＴ）または液晶ディスプレイ（ＬＣＤ）などのディスプレイ８１２に結合され得る。英数字および他のキーを含む入力装置８１４は、情報およびコマンド選択をプロセッサ８０４に通信するためにバス８０２に結合され得る。別のタイプのユーザ入力装置は、プロセッサ８０４に方向情報およびコマンド選択を通信し、ディスプレイ８１２上のカーソル移動を制御するための、マウス、ジョイスティック、トラックボール、ジェスチャ入力装置、視線ベースの入力装置、またはカーソル方向キーなどのカーソル制御装置８１６である。この入力装置８１４は、典型的には、装置が平面内の位置を指定することを可能にする第１の軸（例えば、ｘ）および第２の軸（例えば、ｙ）の２軸の２自由度を有する。しかしながら、３次元（例えば、ｘ、ｙおよびｚ）カーソル移動を可能にする入力装置８１４も本明細書で企図されることを理解されたい。

本教示の特定の実装と一致して、結果は、ＲＡＭ８０６に含まれる１つまたは複数の命令の１つまたは複数のシーケンスを実行するプロセッサ８０４に応答して、コンピュータシステム８００によって提供され得る。いくつかの実施形態では、コンピュータシステム８００は、これらの専用処理ユニットの専用ＲＡＭに含まれる１つまたは複数の命令の１つまたは複数のシーケンスを実行する１つまたは複数の専用処理ユニットに応答して結果を提供し得る。そのような命令は、記憶装置８１０などの別のコンピュータ可読媒体またはコンピュータ可読記憶媒体からＲＡＭ８０６に読み込まれ得る。ＲＡＭ８０６に含まれる命令シーケンスの実行は、プロセッサ８０４に本明細書に記載のプロセスを実行させることができる。あるいは、本教示を実装するために、ソフトウェア命令の代わりに、またはソフトウェア命令と組み合わせて、ハードワイヤード回路が使用され得る。したがって、本教示の実装形態は、ハードウェア回路とソフトウェアとの特定の組み合わせに限定されない。

本明細書で使用される「コンピュータ可読媒体」（例えば、データストア、データストレージ、記憶装置、データ記憶装置など）、または「コンピュータ可読記憶媒体」という用語は、実行のためにプロセッサ８０４に命令を提供することに関与する任意の媒体を指す。そのような媒体は、不揮発性媒体、揮発性媒体、および伝送媒体を含むがこれらに限定されない多くの形態をとることができる。不揮発性媒体の例は、以下に限定されないが、記憶装置８１０などの光学、ソリッドステート、磁気ディスクを含むことができる。揮発性媒体の例は、以下に限定されないが、ＲＡＭ８０６などの動的メモリを含むことができる。伝送媒体の例は、以下に限定されないが、バス８０２を備えるワイヤを含む、同軸ケーブル、銅線、および光ファイバを含むことができる。

コンピュータ可読媒体の一般的な形態は、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、または他の任意の磁気媒体、ＣＤ－ＲＯＭ、他の任意の光学媒体、パンチカード、紙テープ、孔のパターンを有する他の任意の物理媒体、ＲＡＭ、ＰＲＯＭ、およびＥＰＲＯＭ、フラッシュＥＰＲＯＭ、他の任意のメモリチップまたはカートリッジ、またはコンピュータが読み取ることができる他の任意の有形媒体を含む。

コンピュータ可読媒体に加えて、命令またはデータは、実行のためにコンピュータシステム８００のプロセッサ８０４に１つまたは複数の命令のシーケンスを提供するために、通信装置またはシステムに含まれる伝送媒体上の信号として提供され得る。例えば、通信装置は、命令およびデータを示す信号を有するトランシーバを含み得る。命令およびデータは、１つまたは複数のプロセッサに、本明細書の開示に概説される機能を実装させるように構成される。データ通信伝送接続の代表的な例は、以下に限定されないが、電話モデム接続、ワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、赤外線データ接続、ＮＦＣ接続、光通信接続などを含むことができる。

本明細書に記載の方法論、フローチャート、図、および付随する開示は、コンピュータシステム８００をスタンドアロン装置として使用して、またはクラウドコンピューティングネットワークなどの共有コンピュータ処理リソースの分散ネットワーク上で実装され得ることを理解されたい。

本明細書に記載の方法論は、用途に応じて様々な手段によって実装され得る。例えば、これらの方法論は、ハードウェア、ファームウェア、ソフトウェア、またはそれらの任意の組み合わせで実装されてもよい。ハードウェア実装の場合、処理ユニットは、１つまたは複数の特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、デジタル信号処理デバイス（ＤＳＰＤ）、プログラマブルロジックデバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プロセッサ、グラフィカルプロセッシングユニット（ＧＰＵ）、テンソルプロセッシングユニット（ＴＰＵ）、コントローラ、マイクロコントローラ、マイクロプロセッサ、電子デバイス、本明細書に記載の機能を実行するように設計された他の電子ユニット、またはそれらの組み合わせ内に実装されてもよい。

様々な実施形態では、本教示の方法は、Ｃ、Ｃ＋＋、Ｐｙｔｈｏｎなどのような従来のプログラミング言語で書かれたファームウェアおよび／またはソフトウェアプログラムおよびアプリケーションとして実装されてもよい。ファームウェアおよび／またはソフトウェアとして実装される場合、本明細書に記載される実施形態は、コンピュータに上述した方法を実行させるためのプログラムが記憶された非一時的コンピュータ可読媒体上に実装され得る。本明細書に記載の様々なエンジンはコンピュータシステム８００などのコンピュータシステム上に設けられ得、これによって、プロセッサ８０４は、メモリ構成要素ＲＡＭ８０６、ＲＯＭ８０８、または記憶装置８１０のいずれか１つ、またはそれらの組み合わせによって提供される命令、および入力装置８１４を介して提供されるユーザ入力にしたがって、これらのエンジンによって提供される分析および決定を実行することを理解されたい。

実施例１：深層学習を使用する７視野カラー眼底写真からの中程度に重度および重度の非増殖性糖尿病性網膜症の自動スクリーニング
中程度に重度および重度の非増殖性糖尿病性網膜症（ＮＰＤＲ）を有する眼の自動識別において７視野カラー眼底写真（７Ｆ－ＣＦＰ）を使用する深層学習（ＤＬ）モデルの性能を、米国のプライマリケア環境における糖尿病患者の間で評価した。

５５，３２４人の糖尿病患者の眼を、１９９９年から２０１６年の間に収集されたデータ（出典：Ｉｎｏｖｅｏｎ Ｃｏｒｐｏｒａｔｉｏｎ、オクラホマ州オクラホマシティ）を使用して分析した。これらのうち、１３，２４７名の患者は画像データの欠如のために除外され、２６名の患者は獲得試験症例として除外され、４，６９３名の患者は格付けできない画像の存在のために除外された。これにより、本明細書に開示されるシステムおよび方法を使用する評価のために合計３７，３５８人の患者が残った。糖尿病性網膜症（ＤＲ）重症度および臨床的に有意な黄斑浮腫（ＣＳＭＥ）の存在を、７Ｆ－ＣＦＰから専門の評価者によって集中リーディングセンターにおいて評価した。ＤＲ重症度は、初期治療糖尿病性網膜症試験（ＥＴＤＲＳ）ＤＲ重症度尺度（ＤＲＳＳ）を使用して格付けされた。

それぞれ合計２９，８９０人の患者、３，７３２人の患者および３，７３６人の患者について、データセットを、モデル訓練については８０％、調整については１０％および試験については１０％に分割した。表１は、データセットに含まれる患者の人口統計情報を示している。表２は、データセットに含まれる患者の臨床情報を示している。表３は、データセットに含まれる患者のＤＲＳＳスコアを示している。

転移学習を用いた深層学習ＩｎｃｅｐｔｉｏｎＶ３モデルを、４７から５３の範囲のＤＲＳＳを有するかまたは有していないかのいずれかとして患者を分類するために、７つ全ての視野（立体視を含む）上の画像レベルで訓練した。予測を全視野にわたって平均化して、各患者の眼レベルでの予測を提供した。モデル性能を、受信者動作特性曲線下面積（ＡＵＲＯＣ）、特異度、感度および陽性的中率に基づいて決定した。

モデルは、調整セットの性能、ならびにＹｏｕｄｅｎ指数を最大化するための特異度および感度の所望のカットオフに基づいて選択した。モデルは、０．９８８のＡＵＲＯＣ（９５％ ＣＩ、０．９８７２～０．９８７９）、０．５７の適合率（９５％ ＣＩ、０．５６～０．５８）、０．９６３９の感度（９５％ ＣＩ、０．９６２８～０．９６５５）、０．９６２４の特異度（９５％ ＣＩ、０．９６２１～０．９６２５）、０．３６８の陽性的中率（９５％ ＣＩ、０．３６６～０．３７０）、および０．９９９の陰性的中率（９５％ ＣＩ、０．９９９１～０．０００２）において４７から５３の範囲のＤＲＳＳを有する患者を識別するための試験セットで良好に機能した。さらに、軽度のＤＲを超える試験セットのメンバーについて、モデルは、０．９３のＡＵＲＯＣ（９５％ ＣＩ、０．９３～０．９４）、０．５７４の適合率（９５％ ＣＩ、０．５６７～０．５８）、０．９６３９の感度（９５％ ＣＩ、０．９６２４～０．９６５２）、０．７９１２の特異度（９５％ ＣＩ、０．７９０１～０．７９２３）、０．３７６の陽性的中率（９５％ ＣＩ、０．３７４３～０．３７８６）、および０．９９４の陰性的中率（９５％ ＣＩ、０．９９３８～０．９９４３）を達成した。

これらの結果は、機械学習（および特にＤＬ）が、４７から５３の範囲のＤＲＳＳを有する眼の自動識別をサポートすることができることを示している。そのようなモデルは、予防的臨床試験のための進行のリスクがある患者の識別を通じてスクリーニングをサポートすることができる。さらに、臨床診療における患者スクリーニングを支援することができる。

結論
本教示は、様々な実施形態に関連して説明されているが、本教示がそのような実施形態に限定されることは意図されていない。逆に、本教示は、当業者によって理解されるように、様々な代替、変更、および均等物を包含する。

例えば、上述したフローチャートおよびブロック図は、様々な方法およびシステム実施形態の可能な実装のアーキテクチャ、機能、および／または動作を示している。フローチャートまたはブロック図の各ブロックは、モジュール、セグメント、機能、動作もしくはステップの一部、またはそれらの組み合わせを表し得る。実施形態のいくつかの代替実装では、ブロックに記載された１つまたは複数の機能は、図に記載された順序とは異なる順序で行われてもよい。例えば、場合によっては、連続して示される２つのブロックは、実質的に同時に実行されてもよく、または何らかの方法で統合されてもよい。他の場合には、ブロックは、逆の順序で実行されてもよい。さらに、場合によっては、フローチャートまたはブロック図内の１つまたは複数の他のブロックを置換または補足するために、１つまたは複数のブロックが追加されてもよい。

したがって、様々な実施形態を説明する際に、本明細書は、特定の一連のステップとして方法および／またはプロセスを提示している場合がある。しかしながら、方法またはプロセスが本明細書に記載の特定の順番のステップに依拠しない限り、方法またはプロセスは、記載された特定の順序のステップに限定されるべきではなく、当業者は、順序が変動してもよく、依然として様々な実施形態の趣旨および範囲内にあることを容易に理解することができる。

実施形態の記載
実施形態１．糖尿病性網膜症（ＤＲ）重症度を評価するための方法であって、
対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
カラー眼底撮像データに対して少なくとも１つの画像標準化手順を実行することと、
標準化画像データのセットを生成することと、
少なくとも標準化画像データを使用して、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを生成することと
を含む、方法。

実施形態２．カラー眼底撮像データが複数の視野を含み、各視野がカラー眼底画像を含む、実施形態１に記載の方法。

実施形態３．カラー眼底撮像データに関連付けられた視野数に基づいて、カラー眼底撮像データのグレーダビリティを決定することであって、グレーダビリティが、カラー眼底撮像データが所定数の視野を含むまたは含まないことを示す、カラー眼底撮像データのグレーダビリティを決定することをさらに含む、実施形態１または２に記載の方法。

実施形態４．選択された範囲が、軽度から中程度のＤＲ、軽度から中程度に重度のＤＲ、軽度から重度のＤＲ、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、中程度から重度のＤＲ、中程度を超えるＤＲ、軽度を超えるＤＲ、中程度に重度を超えるＤＲ、または重度を超えるＤＲを表す、実施形態１から３のいずれか一項に記載の方法。

実施形態５．選択された範囲が、３５以上４３以下、３５以上４７以下、３５以上５３以下、４３以上４７以下、４７以上５３以下、４３以上５３以下、少なくとも３５、少なくとも４３、少なくとも４７、または少なくとも５３の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、実施形態１から４のいずれか一項に記載の方法。

実施形態６．受信したカラー眼底撮像データを使用して眼のＤＲ重症度についてのスコアを予測することをさらに含む、実施形態１から５のいずれか一項に記載の方法。

実施形態７．メトリックが眼についての予測ＤＲ重症度スコアを含む、実施形態１から６のいずれか一項に記載の方法。

実施形態８．少なくとも１つの画像標準化手順が、視野検出手順、中央トリミング手順、前景抽出手順、領域抽出手順、中央領域抽出手順、適応ヒストグラム等化（ＡＨＥ）手順、およびコントラスト制限ＡＨＥ（ＣＬＡＨＥ）手順のうちの１つまたは複数を含む、実施形態１から７のいずれか一項に記載の方法。

実施形態９．入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、メトリックを生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用してメトリックを生成することをさらに含む、実施形態１から８のいずれか一項に記載の方法。

実施形態１０．メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、実施形態１から９のいずれか一項に記載の方法。

実施形態１１．複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、実施形態１０に記載の方法。

実施形態１２．ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、実施形態１１に記載の方法。

実施形態１３．糖尿病性網膜症（ＤＲ）重症度を評価するためのシステムであって、
非一時的メモリと、
非一時的メモリに結合され、かつ非一時的メモリから命令を読み取って、システムに、
対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
カラー眼底撮像データに対して少なくとも１つの画像標準化手順を実行することと、
標準化画像データのセットを生成することと、
少なくとも標準化画像データを使用して、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを生成することと
を含む動作を実行させるように構成された１つまたは複数のプロセッサと
を備える、システム。

実施形態１４．カラー眼底撮像データが複数の視野を含み、各視野がカラー眼底画像を含む、実施形態１３に記載のシステム。

実施形態１５．動作が、カラー眼底撮像データに関連付けられた視野数に基づいて、カラー眼底撮像データのグレーダビリティを決定することであって、グレーダビリティが、カラー眼底撮像データが所定数の視野を含むまたは含まないことを示す、カラー眼底撮像データのグレーダビリティを決定することをさらに含む、実施形態１３または１４に記載のシステム。

実施形態１６．選択された範囲が、軽度から中程度のＤＲ、軽度から中程度に重度のＤＲ、軽度から重度のＤＲ、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、中程度から重度のＤＲ、軽度を超えるＤＲ、中程度を超えるＤＲ、中程度に重度を超えるＤＲ、または重度を超えるＤＲを表す、実施形態１３から１５のいずれか一項に記載のシステム。

実施形態１７．選択された範囲が、３５以上４３以下、３５以上４７以下、３５以上５３以下、４３以上４７以下、４７以上５３以下、４３以上５３以下、少なくとも３５、少なくとも４３、少なくとも４７、または少なくとも５３の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、実施形態１３から１６のいずれか一項に記載のシステム。

実施形態１８．動作が、受信したカラー眼底撮像データを使用して眼のＤＲ重症度についてのスコアを予測することをさらに含む、実施形態１３から１７のいずれか一項に記載のシステム。

実施形態１９．メトリックが眼についての予測ＤＲ重症度スコアを含む、実施形態１３から１８のいずれか一項に記載のシステム。

実施形態２０．少なくとも１つの画像標準化手順が、視野検出手順、中央トリミング手順、前景抽出手順、領域抽出手順、中央領域抽出手順、適応ヒストグラム等化（ＡＨＥ）手順、およびコントラスト制限ＡＨＥ（ＣＬＡＨＥ）手順のうちの１つまたは複数を含む、実施形態１３から１９のいずれか一項に記載のシステム。

実施形態２１．入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、メトリックを生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用してメトリックを生成することをさらに含む、実施形態１３から２０のいずれか一項に記載のシステム。

実施形態２２．メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、実施形態１３から２１のいずれか一項に記載のシステム。

実施形態２３．動作が、複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、実施形態２２に記載のシステム。

実施形態２４．ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、実施形態２３に記載のシステム。

実施形態２５．非一時的機械可読媒体であって、システムに、
対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
カラー眼底撮像データに対して少なくとも１つの画像標準化手順を実行することと、
標準化画像データのセットを生成することと、
少なくとも標準化画像データを使用して、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを生成することと
を含む動作を実行させるように実行可能な機械可読命令が記憶された、非一時的機械可読媒体。

実施形態２６．カラー眼底撮像データが複数の視野を含み、各視野がカラー眼底画像を含む、実施形態２５に記載の非一時的機械可読媒体。

実施形態２７．動作が、カラー眼底撮像データに関連付けられた視野数に基づいて、カラー眼底撮像データのグレーダビリティを決定することであって、グレーダビリティが、カラー眼底撮像データが所定数の視野を含むまたは含まないことを示す、カラー眼底撮像データのグレーダビリティを決定することをさらに含む、実施形態２５または２６に記載の非一時的機械可読媒体。

実施形態２８．選択された範囲が、軽度から中程度のＤＲ、軽度から中程度に重度のＤＲ、軽度から重度のＤＲ、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、中程度から重度のＤＲ、軽度を超えるＤＲ、中程度を超えるＤＲ、中程度に重度を超えるＤＲ、または重度を超えるＤＲを表す、実施形態２５から２７のいずれか一項に記載の非一時的機械可読媒体。

実施形態２９．選択された範囲が、３５以上４３以下、３５以上４７以下、３５以上５３以下、４３以上４７以下、４７以上５３以下、４３以上５３以下、少なくとも３５、少なくとも４３、少なくとも４７、または少なくとも５３の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、実施形態２５から２８のいずれか一項に記載の非一時的機械可読媒体。

実施形態３０．動作が、受信したカラー眼底撮像データを使用して眼のＤＲ重症度についてのスコアを予測することをさらに含む、実施形態２５から２９のいずれか一項に記載の非一時的機械可読媒体。

実施形態３１．メトリックが眼についての予測ＤＲ重症度スコアを含む、実施形態２５から３０のいずれか一項に記載の非一時的機械可読媒体。

実施形態３２．少なくとも１つの画像標準化手順が、視野検出手順、中央トリミング手順、前景抽出手順、領域抽出手順、中央領域抽出手順、適応ヒストグラム等化（ＡＨＥ）手順、およびコントラスト制限ＡＨＥ（ＣＬＡＨＥ）手順のうちの１つまたは複数を含む、実施形態２５から３１のいずれか一項に記載の非一時的機械可読媒体。

実施形態３３．入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、メトリックを生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用してメトリックを生成することをさらに含む、実施形態２５から３２のいずれか一項に記載の非一時的機械可読媒体。

実施形態３４．メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、実施形態２５から３３のいずれか一項に記載の方法。

実施形態３５．動作が、複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、実施形態３４に記載の非一時的機械可読媒体。

実施形態３６．ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、実施形態３５に記載の非一時的機械可読媒体。

実施形態３７．糖尿病性網膜症（ＤＲ）重症度を評価するための方法であって、
１つまたは複数のＤＲ重症度スコアを決定することであって、各スコアがＤＲ重症度レベルに関連付けられる、１つまたは複数のＤＲ重症度スコアを決定することと、
複数のＤＲ重症度分類を決定することであって、各分類が、ＤＲ重症度閾値スコアの範囲またはセットによって示される、複数のＤＲ重症度分類を決定することと、
対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することと、
メトリックに基づいて、受信した入力データの眼を複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に分類することと
を含む、方法。

実施形態３８．ＤＲ閾値スコアの範囲またはセットを決定することであって、各ＤＲ閾値スコアが、複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に対応する最小スコアまたは最大スコアを示す、ＤＲ閾値スコアの範囲またはセットを決定することをさらに含む、実施形態３７に記載の方法。

実施形態３９．少なくとも１つのＤＲ重症度分類が、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、または中程度から重度のＤＲを表す、実施形態３７または３８に記載の方法。

実施形態４０．ＤＲ重症度閾値スコアの少なくとも１つの範囲またはセットが、４３以上４７以下、４７以上５３以下、または４３以上５３以下の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、実施形態３７から３９のいずれか一項に記載の方法。

実施形態４１．受信したカラー眼底撮像データを使用して眼のＤＲ重症度についてのスコアを予測することをさらに含む、実施形態３７から４０のいずれか一項に記載の方法。

実施形態４２．メトリックが眼についての予測ＤＲ重症度スコアを含む、実施形態３７から４１のいずれか一項に記載の方法。

実施形態４３．入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、メトリックを生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用してメトリックを生成することをさらに含む、実施形態３７から４２のいずれか一項に記載の方法。

実施形態４４．メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、実施形態３７から４３のいずれか一項に記載の方法。

実施形態４５．複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、実施形態４４に記載の方法。

実施形態４６．ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、実施形態４５に記載の方法。

実施形態４７．糖尿病性網膜症（ＤＲ）重症度を評価するためのシステムであって、
非一時的メモリと、
非一時的メモリに結合され、かつ非一時的メモリから命令を読み取って、システムに、
１つまたは複数のＤＲ重症度スコアの決定を受信することであって、各スコアがＤＲ重症度レベルに関連付けられる、１つまたは複数のＤＲ重症度スコアの決定を受信することと、
複数のＤＲ重症度分類の決定を受信することであって、各分類が、ＤＲ重症度閾値スコアの範囲またはセットによって示される、複数のＤＲ重症度分類の決定を受信することと、
対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することと、
メトリックに基づいて、受信した入力データの眼を複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に分類することと
を含む動作を実行させるように構成された１つまたは複数のプロセッサと
を備える、システム。

実施形態４８．動作が、ＤＲ閾値スコアの範囲またはセットの決定を受信することであって、各ＤＲ閾値スコアが、複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に対応する最小スコアまたは最大スコアを示す、ＤＲ閾値スコアの範囲またはセットの決定を受信することをさらに含む、実施形態４７に記載のシステム。

実施形態４９．少なくとも１つのＤＲ重症度分類が、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、または中程度から重度のＤＲを表す、実施形態４７または４８に記載のシステム。

実施形態５０．ＤＲ重症度閾値スコアの少なくとも１つの範囲またはセットが、４３以上４７以下、４７以上５３以下、または４３以上５３以下の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、実施形態４７から４９のいずれか一項に記載のシステム。

実施形態５１．動作が、受信したカラー眼底撮像データを使用して眼のＤＲ重症度についてのスコアを予測することをさらに含む、実施形態４７から５０のいずれか一項に記載のシステム。

実施形態５２．メトリックが眼についての予測ＤＲ重症度スコアを含む、実施形態４７から５１のいずれか一項に記載のシステム。

実施形態５３．入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、メトリックを生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用してメトリックを生成することをさらに含む、実施形態４７から５２のいずれか一項に記載のシステム。

実施形態５４．メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、実施形態４７から５３のいずれか一項に記載のシステム。

実施形態５５．動作が、複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、実施形態５４に記載のシステム。

実施形態５６．ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、実施形態５５に記載のシステム。

実施形態５７．非一時的機械可読媒体であって、システムに、
１つまたは複数のＤＲ重症度スコアの決定を受信することであって、各スコアがＤＲ重症度レベルに関連付けられる、１つまたは複数のＤＲ重症度スコアの決定を受信することと、
複数のＤＲ重症度分類の決定を受信することであって、各分類が、ＤＲ重症度閾値スコアの範囲またはセットによって示される、複数のＤＲ重症度分類の決定を受信することと、
対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することと、
メトリックに基づいて、受信した入力データの眼を複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に分類することと
を含む動作を実行させるように実行可能な機械可読命令が記憶された、非一時的機械可読媒体。

実施形態５８．動作が、ＤＲ閾値スコアの範囲またはセットの決定を受信することであって、各ＤＲ閾値スコアが、複数のＤＲ重症度分類のうちの１つのＤＲ重症度分類に対応する最小スコアまたは最大スコアを示す、ＤＲ閾値スコアの範囲またはセットの決定を受信することをさらに含む、実施形態５７に記載の非一時的機械可読媒体。

実施形態５９．少なくとも１つのＤＲ重症度分類が、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、または中程度から重度のＤＲを表す、実施形態５７または５８に記載の非一時的機械可読媒体。

実施形態６０．ＤＲ重症度閾値スコアの少なくとも１つの範囲またはセットが、４３以上４７以下、４７以上５３以下、または４３以上５３以下の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、実施形態５７から５９のいずれか一項に記載の非一時的機械可読媒体。

実施形態６１．動作が、受信したカラー眼底撮像データを使用して眼のＤＲ重症度についてのスコアを予測することをさらに含む、実施形態５７から６０のいずれか一項に記載の非一時的機械可読媒体。

実施形態６２．メトリックが眼についての予測ＤＲ重症度スコアを含む、実施形態５７から６１のいずれか一項に記載の非一時的機械可読媒体。

実施形態６３．入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、メトリックを生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用してメトリックを生成することをさらに含む、実施形態５７から６２のいずれか一項に記載の非一時的機械可読媒体。

実施形態６４．メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、実施形態５７から６３のいずれか一項に記載の非一時的機械可読媒体。

実施形態６５．動作が、複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、実施形態６４に記載の非一時的機械可読媒体。

実施形態６６．ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、実施形態６５に記載の非一時的機械可読媒体。

Claims (20)

1. 糖尿病性網膜症（ＤＲ）の重症度を評価するための方法であって、
   １つまたは複数のＤＲ重症度スコアを決定することであって、各スコアがＤＲ重症度レベルに関連付けられる、１つまたは複数のＤＲ重症度スコアを決定することと、
   複数のＤＲ重症度分類を決定することであって、各分類が、ＤＲ重症度閾値スコアの範囲またはセットによって示される、複数のＤＲ重症度分類を決定することと、
   対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
   受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することと、
   メトリックに基づいて、受信した入力データの眼を複数のＤＲ重症度分類のうちのＤＲ重症度分類に分類することと
   を含む、方法。
2. ＤＲ閾値スコアの範囲またはセットを決定することであって、各ＤＲ閾値スコアが、複数のＤＲ重症度分類のうちのＤＲ重症度分類に対応する最小スコアまたは最大スコアを示す、ＤＲ閾値スコアの範囲またはセットを決定することをさらに含む、請求項１に記載の方法。
3. 少なくとも１つのＤＲ重症度分類が、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、または中程度から重度のＤＲを表す、請求項１に記載の方法。
4. ＤＲ重症度閾値スコアの少なくとも１つの範囲またはセットが、４３以上４７以下、４７以上５３以下、または４３以上５３以下の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、請求項１に記載の方法。
5. 入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、出力を生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用して出力を生成することをさらに含む、請求項１に記載の方法。
6. メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、請求項１に記載の方法。
7. 複数の訓練対象に関連付けられた少なくとも格付けされたカラー眼底撮像データを含む訓練データセットを使用してニューラルネットワークシステムを訓練することをさらに含む、請求項６に記載の方法。
8. ニューラルネットワークシステムを訓練することが、複数の訓練対象に関連付けられたベースライン人口統計学的特性および複数の訓練対象に関連付けられたベースライン臨床特性のうちの１つまたは複数を使用してニューラルネットワークを訓練することをさらに含む、請求項７に記載の方法。
9. 糖尿病性網膜症（ＤＲ）の重症度を評価するためのシステムであって、
   非一時的メモリと、
   非一時的メモリに結合され、かつ非一時的メモリから命令を読み取って、システムに、
   １つまたは複数のＤＲ重症度スコアの決定を受信することであって、各スコアがＤＲ重症度レベルに関連付けられる、１つまたは複数のＤＲ重症度スコアの決定を受信することと、
   複数のＤＲ重症度分類の決定を受信することであって、各分類が、ＤＲ重症度閾値スコアの範囲またはセットによって示される、複数のＤＲ重症度分類の決定を受信することと、
   対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
   受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することと、
   メトリックに基づいて、受信した入力データの眼を複数のＤＲ重症度分類のうちのＤＲ重症度分類に分類することと
   を含む動作を実行させるように構成された１つまたは複数のプロセッサと
   を備える、システム。
10. 動作が、ＤＲ閾値スコアの範囲またはセットの決定を受信することであって、各ＤＲ閾値スコアが、複数のＤＲ重症度分類のうちのＤＲ重症度分類に対応する最小スコアまたは最大スコアを示す、ＤＲ閾値スコアの範囲またはセットの決定を受信することをさらに含む、請求項９に記載のシステム。
11. 少なくとも１つのＤＲ重症度分類が、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、または中程度から重度のＤＲを表す、請求項９に記載のシステム。
12. ＤＲ重症度閾値スコアの少なくとも１つの範囲またはセットが、４３以上４７以下、４７以上５３以下、または４３以上５３以下の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、請求項９に記載のシステム。
13. 入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、出力を生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用して出力を生成することをさらに含む、請求項９に記載のシステム。
14. メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、請求項９に記載のシステム。
15. 非一時的機械可読媒体であって、システムに、
    １つまたは複数のＤＲ重症度スコアの決定を受信することであって、各スコアがＤＲ重症度レベルに関連付けられる、１つまたは複数のＤＲ重症度スコアの決定を受信することと、
    複数のＤＲ重症度分類の決定を受信することであって、各分類が、ＤＲ重症度閾値スコアの範囲またはセットによって示される、複数のＤＲ重症度分類の決定を受信することと、
    対象の眼についての少なくともカラー眼底撮像データを含む入力データを受信することと、
    受信した入力データから、対象の眼のＤＲ重症度についてのスコアが選択された範囲内に入る確率を示すメトリックを決定することと、
    メトリックに基づいて、受信した入力データの眼を複数のＤＲ重症度分類のうちのＤＲ重症度分類に分類することと
    を含む動作を実行させるように実行可能な機械可読命令が記憶された、非一時的機械可読媒体。
16. 動作が、ＤＲ閾値スコアの範囲またはセットの決定を受信することであって、各ＤＲ閾値スコアが、複数のＤＲ重症度分類のうちのＤＲ重症度分類に対応する最小スコアまたは最大スコアを示す、ＤＲ閾値スコアの範囲またはセットの決定を受信することをさらに含む、請求項１５に記載の非一時的機械可読媒体。
17. 少なくとも１つのＤＲ重症度分類が、中程度から中程度に重度のＤＲ、中程度に重度から重度のＤＲ、または中程度から重度のＤＲを表す、請求項１５に記載の非一時的機械可読媒体。
18. ＤＲ重症度閾値スコアの少なくとも１つの範囲またはセットが、４３以上４７以下、４７以上５３以下、または４３以上５３以下の糖尿病性網膜症重症度尺度（ＤＲＳＳ）の部分を含む、請求項１５に記載の非一時的機械可読媒体。
19. 入力データが、対象に関連付けられたベースライン人口統計学的特性および対象に関連付けられたベースライン臨床特性のうちの１つまたは複数をさらに含み、出力を生成することが、ベースライン人口統計学的特性およびベースライン臨床特性のうちの１つまたは複数を使用して出力を生成することをさらに含む、請求項１５に記載の非一時的機械可読媒体。
20. メトリックを生成することが、ニューラルネットワークシステムを使用してメトリックを生成することを含む、請求項１５に記載の非一時的機械可読媒体。
    

Images