JP2023551899A - カラー眼底画像データを使用する糖尿病性網膜症の重症度の自動化スクリーニング - Google Patents

Abstract

糖尿病性網膜症（ＤＲ）の重症度を評価するための方法およびシステムが本明細書に提供される。ＤＲが評価される眼のカラー眼底撮像データが受信される。カラー眼底撮像データを使用する指標が生成され、この指標は、眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す。【選択図】図１

Description

相互参照
本出願は、「ＡＵＴＯＭＡＴＥＤ ＳＣＲＥＥＮＩＮＧ ＦＯＲ ＤＩＡＢＥＴＩＣ ＲＥＴＩＮＯＰＡＴＨＹ ＳＥＶＥＲＩＴＹ ＵＳＩＮＧ ＣＯＬＯＲ ＦＵＮＤＵＳ ＩＭＡＧＥ ＤＡＴＡ」という名称の２０２０年１２月４日に出願された米国仮特許出願第６３／１２１，７１１号、および、「ＡＵＴＯＭＡＴＥＤ ＳＣＲＥＥＮＩＮＧ ＦＯＲ ＤＩＡＢＥＴＩＣ ＲＥＴＩＮＯＰＡＴＨＹ ＳＥＶＥＲＩＴＹ ＵＳＩＮＧ ＣＯＬＯＲ ＦＵＮＤＵＳ ＩＭＡＧＥ ＤＡＴＡ」という名称の２０２１年４月１日に出願された米国仮特許出願第６３／１６９，８０９号の優先権を主張するものであり、あらゆる目的でこれら出願全体が参照により本明細書に組み込まれている。

本明細書は、一般的に、対象の糖尿病性網膜症（ＤＲ）の重症度を評価することを対象とする。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、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、中程度から重度のＤＲ、やや重度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲをニューラルネットワークシステムによって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。

糖尿病性網膜症（ＤＲ）は、糖尿病である対象の一般的な細小血管合併症である。高血糖値が網膜の血管への損傷を引き起こすときにＤＲは生じる。ＤＲの２つの段階には、初期段階の非増殖糖尿病性網膜症（ＮＰＤＲ）、およびより進行した段階の増殖糖尿病性網膜症（ＰＤＲ）が含まれる。ＮＰＤＲでは、極小の血管に漏れが生じる場合があり、網膜および／または黄斑の腫れを引き起こす場合がある。場合によっては、黄斑虚血が生じる場合があり、網膜における極小の滲出物が形成される場合があり、またはその両方が生じる場合がある。ＰＤＲでは、硝子体液への漏血、視神経の損傷、またはその両方が生じる可能性があるような、新たな脆い血管が増大する場合がある未治療のＰＤＲは、深刻な視力喪失、さらには盲目さえもたらす可能性がある。

特定の場合では、ＰＤＲの進行の変わり目にある重症度レベルにおいて、対象が軽度のＮＰＤＲ、中程度のＮＰＤＲ、やや重度のＮＰＤＲ、または重度のＮＰＤＲであるかを識別することが望ましい場合がある。例えば、臨床治験では、臨床治験において含まれる可能性がある、対象が中程度のＮＰＤＲ、やや重度のＮＰＤＲ、または重度のＮＰＤＲであるかを識別するためのスクリーニング試験を使用し得る。しかしながら、そのようなスクリーニングを行うためのいくつかの現在利用可能な方法論は、高度な訓練を受けた評価者（例えば、等級判定者、試験官、病理学者、臨床医、評価機関、評価企業体など）を必要とする場合があり、不正確で評価者に依存するものであり時間がかかる場合がある。よって、自動化手順を使用してＤＲ重症度を精確に評価するシステムおよび方法が必要とされている。

本開示は、糖尿病性網膜症（ＤＲ）の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。ＤＲが評価される眼のカラー眼底撮像データが受信される。カラー眼底撮像データを使用する指標が生成され、この指標は、眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す。訓練済みニューラルネットワークを使用して出力が生成される。

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。対象の眼の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（例えば、ニューラルネットワークシステムによって）眼についての予測されたＤＲ重症度スコアが生成される。予測されたＤＲ重症度スコアが選択範囲内にあるかを示す指標が、ニューラルネットワークシステムによって生成される。

本明細書で開示された原理およびこの利点をさらに詳しく理解してもらうために、ここで、添付の図面と併せて以下の説明を参照されたい。

さまざまな実施形態による、第１の評価システムのブロック図である。 さまざまな実施形態による、糖尿病性網膜症の重症度スコア（ＤＲＳＳ）の一例を示す図である。 さまざまな実施形態による、画像標準化手順の一例を示す図である。 さまざまな実施形態による、糖尿病性網膜症（ＤＲ）の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。 さまざまな実施形態による、第２の評価システムのブロック図である。 さまざまな実施形態による、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。 さまざまな実施形態による、図１および／または図５に関して本明細書に説明されたシステムを訓練する際に使用するニューラルネットワーク訓練手順のブロック図である。 さまざまな実施形態による、コンピュータシステムのブロック図である。

図は必ずしも一定尺度で描かれているわけでもないし、図における物体が相互関係の中で必ずしも一定尺度出描かれているわけでもないことを理解されたい。図は、本明細書に開示された装置、システム、および方法のさまざまな実施形態を簡潔にしこれを理解してもらうことを意図して示されるものである。可能な限り、同じまたは同様の部分に言及するために同じ参照番号が図面全体を通して使用されることになる。さらに、図面が本教示の範囲を限定することを決して意図するものではないことは認識されるべきである。

概要
糖尿病性網膜症（ＤＲ）を起こすまたは起こす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、糖尿病性網膜症の早期治療に関する研究（ＥＴＤＲＳ）によって開発された糖尿病性網膜症の重症度尺度（ＤＲＳＳ）に依存している。ＤＲＳＳは、一般に、特に研究という観点から、ＤＲの重症度を分類するための絶対的基準と見なされている。ＤＲＳＳスコア３５は軽度のＤＲを示し、ＤＲＳＳスコア４３は中程度のＤＲを示し、ＤＲＳＳスコア４７はやや重度のＤＲを示し、ＤＲＳＳスコア５３はＰＤＲの前兆である重度のＤＲを示す。

場合によっては、臨床治験または研究は、重症度の選択範囲内にあるＤＲを起こす対象に対して設計され得る。例えば、特定の臨床治験では、対象が、軽度～中程度、軽度～やや重度、軽度～重度、中程度～やや重度、やや重度～重度、中程度～重度、軽度以上、中程度以上、やや重度以上、または重度以上に入るＤＲを起こすかを重視することが望まれる場合がある。対象のＤＲが中程度、やや重度、または重度と分類される可能性があるかどうかを素早く効率的にまた精確に識別できることは、多数の潜在的な対象をスクリーニングするまたはプレスクリーニングするために重要であり得る。

現在、対象のスクリーニングまたはプレスクリーニングは、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、対象をＤＲＳＳスコアに割り当てるために必須の知識および経験を有する専門の等級判定者に送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、または数万の対象に対してこのプロセスを繰り返すには、費用がかかり、等級判定者に依存するものであり、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プレ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人手による等級分けは、望ましくないやり方で臨床治験または研究に影響し得る「障害」を形成し得る。さらに、特定の場合では、このタイプの人手による等級分けは、人的エラーにより要望通りに精確ではない場合がある。

よって、本開示の方法およびシステムは、糖尿病患者のＤＲの選択範囲に対する自動化スクリーニングを可能にする。本明細書に説明される方法およびシステムは、スクリーニングと関連付けられた時間および費用の削減を助長すること、評価者に依存しないまたは評価者にほとんど依存しないプロセスを提供すること、上述されたその他の問題点のうちの１つまたは複数を軽減すること、またはこれらの組み合わせをもたらし得る。本明細書に説明されるさまざまな実施形態では、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、眼におけるＤＲの重症度スコアが選択範囲内にあるかどうかの表示を生成するために使用される。選択範囲は、例えば、限定はされないが、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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スコアであってよい。

ニューラルネットワークは、所望の精度を保証するのに十分な数の試料を使用して訓練される。１つまたは複数の実施形態では、１人の等級判定者または等級判定機関によって等級分けされた試料を使用する訓練が行われる。他の実施形態では、複数の等級判定者または複数の等級判定機関によって等級分けされた試料を使用する訓練が行われ得る。

上述される改善点を提供可能であ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かつ考慮に入れて、本明細書では、糖尿病性網膜症の重症度を評価するためのさまざまな実施形態について説明する。より詳細には、本明細書では、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、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、中程度から重度のＤＲ、やや重度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲであるかどうかをニューラルネットワークシステムによって識別するための方法およびシステムのさまざまな実施形態について説明する。

本明細書に説明されるシステムおよび方法は、重症度の選択範囲内にあるＤＲがより精確にかつ素早く識別されることを可能にし得る。このタイプの迅速な識別によってＤＲスクリーニングが改善されて、より多くの対象がより短い時間で確実にスクリーニングされることを可能にし得る。いくつかの実施形態では、改善されたＤＲスクリーニングによって、医療提供者は、改善された治療勧告を提供すること、または後続のリスク分析またはＤＲを発症する可能性があると識別された対象の監視を推奨することが可能になり得る。いくつかの実施形態では、本明細書に説明されるシステムおよび方法は、重症度の選択範囲内にあるＤＲをより精確にかつ効率的に識別するように、または専門の等級判定者によるさらなる分析のためにＤＲを起こす場合がある対象に目印を付けるように、専門の等級判定者を訓練するために使用され得る。いくつかの実施形態では、本明細書に説明されるシステムおよび方法は、臨床治験に含まれる対象を精確にかつ効率的に選択するために使用され得る。例えば、臨床治験が、特定のＤＲ重症度（軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、または本明細書に説明される任意の他のＤＲ重症度など）を有するまたは有するリスクがある対象を治療することを目的とする場合、システムおよび方法は、臨床治験に含まれるそのＤＲ重症度を有するまたはＤＲ重症度を発症するリスクがあるような対象のみを識別するために使用可能である。

定義
本開示は、これら例示の実施形態および応用例に、または例示の実施形態および応用例が実施されるまたは本明細書に記載されるやり方に限定されない。さらに、図は簡略化されたまたは部分的な光景を示す場合があり、図における要素の寸法は大きく描かれている場合がある、あるいは比例していない場合がある。

さらに、用語「～上」、「～に取り付けられ」、「～に接続され」、「～に結合され」、または同様の表現が本明細書において使用される際、１つの要素（例えば、構成要素、材料、層、基板など）は、１つの要素が、直接他の要素上に、他の要素に取り付けられている、他の要素に接続されている、または他の要素に結合されているかどうかにかかわらず、または、１つまたは複数の介在要素が一方の要素と他方の要素との間にあるかどうかにかかわらず、別の要素「上にある」、別の要素「に取り付けられている」、別の要素「に接続されている」、または別の要素「に結合されている」可能性がある。さらに、要素のリスト（例えば、要素ａ、ｂ、ｃ）を参照する場合、そのような参照は、リスト化された要素のいずれか１つそれ自体、リスト化された要素の全てより少ないものからなる任意の組み合わせ、および／または、リスト化された要素の全ての組み合わせを含むことが意図されている。本明細書における節の分割は、単に検討を容易にするためのものであって、考察される要素のいかなる組み合わせも限定するものではない。

「対象」という用語は、臨床治験の対象、治療を受ける人、抗がん剤治療を受ける人、寛解または回復に向けて監視されている人、（例えば、病歴により）予防健康分析を受ける人、または任意の他の人または対象の患者を指す場合がある。さまざまな場合では、「対象」および「患者」は本明細書では区別なく使用され得る。

別段定められない限り、本明細書に説明される本教示と併せ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、別段文脈で要求されない限り、単数形の用語は複数形を含むものとし、複数形の用語は単数形を含むものとする。一般に、本明細書に記載された、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これらの技術は、当技術分野ではよく知られてお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際、「実質的に」は、本来の目的通りに機能するのに十分であることを意味する。よって、用語「実質的に」は、完全なまたは完璧な状態、寸法、大きさ、または結果などからの些細な重要ではない変化、例えば、当業者には予期されるであろうが、全体的な性能に感知できるほどに影響を及ぼさないものを許容する。数値もしくはパラメータまたは数値として表現され得る特性に関して使用されるとき、「実質的に」は１０パーセント以内を意味する。

用語「１つ（ｏｎｅｓ）」は１つより多いことを意味する。

本明細書で使用される際、用語「複数」は、２、３、４、５、６、７、８、９、１０、またはそれ以上とすることができる。

本明細書で使用される際、用語「～のセット」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際、「～のうちの少なくとも１つ」という語句は、項目のリストと共に使用されるとき、リスト化された項目のうちの１つまたは複数の種々の組み合わせが使用されてよく、リストにおける項目のうちの１つのみが必要とされる場合があることを意味する。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ってよい。換言すれば、「～のうちの少なくとも１つ」は、項目の任意の組み合わせまたは任意の数の項目はリストから使用されてよいが、リストにおける項目の全てが必要とされるわけではない場合がある。例えば、限定はされないが、「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のうちの少なくとも１つ」は、限定はされないが、２つの項目Ａ、１つの項目Ｂ、および１０個の項目Ｃ、４つの項目Ｂおよび７つの項目Ｃ、または何か他の適した組み合わせを意味する。

本明細書で使用される際、「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手法、１つまたは複数の機械学習アルゴリズム、またはこれらの組み合わせを含んでよい。

本明細書で使用される際、「機械学習」は、データをパースし、そこから学習後、世界の何かについての判断または予測を行うためにアルゴリズムを使用する実践を含む。機械学習は、ルールベースのプログラミングに頼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。

本明細書において使用される場合、「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、計算に対するコネクショニストアプローチ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称される場合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用いて受信した入力に対する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。それぞれの隠れ層の出力は、ネットワークにおける次の層、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。ネットワークのそれぞれの層は、対応するパラメータセットの現在の値に従って、受信した入力から出力を生成し得る。さまざまな実施形態では、「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ってよい。

ニューラルネットワークは、２つのやり方で情報を処理してよく、ニューラルネットワークは、訓練されているときは訓練モードにあり、学習したことを実践するときは推論（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合致するように、ネットワークが中間隠れ層における個々のノードの重み係数を調節する（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、逆伝搬法）を通して学習する。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）が供給されることによって学習し、かつ、新たな範囲または入力のセットが提示されるときでも、最終的には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、限定はされないが、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。

糖尿病性網膜症の重症度の自動化スクリーニング
図１は、さまざまな実施形態による、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）の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、データストレージ１０４、および表示システム１０６を含む。コンピューティングプラットフォーム１０２はさまざまな形を取ってよい。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、単一のコンピュータ（もしくはコンピュータシステム）または互いに通信する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を取る。

データストレージ１０４および表示システム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、表示システム１０６、またはこの両方は、コンピューティングプラットフォーム１０２の一部と見なされ得るあるいはこれと統合され得る。よって、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、および表示システム１０６は、互いに通信する別個の構成要素であり得るが、他の例では、これらの構成要素の何らかの組み合わせが統合される場合がある。

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、またはこ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、処理を行うための入力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（カラー眼底撮影法とも称される）を使用して生成されたカラー眼底画像の視野（または視域）の１つまたは複数を含み得る。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、それぞれの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、指標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含む。１つまたは複数の実施形態では、指標１１６は、眼におけるＤＲ重症度のスコア（例えば、ＤＲＳＳスコア）が選択範囲内にある確率１１８を示す。選択範囲は、例えば、限定はされないが、軽度から中程度の範囲、軽度からやや重度の範囲、軽度から重度の範囲、中程度からやや重度の範囲、やや重度から重度の範囲、中程度から重度の範囲、軽度以上の範囲、中程度以上の範囲、やや重度以上の範囲、または重度以上の範囲であってよい。１つまたは複数の実施形態では、これらの範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の一部分にそれぞれ対応する。

図２は、さまざまな実施形態による、ＤＲＳＳスコアの一例２００を示す。いくつかの実施形態では、１０から１２までの第１のスコア２０２はＤＲが眼にないことを示す。いくつかの実施形態では、１４から２０までの第２のスコア２０４はＤＲが眼に存在し得る（すなわち、ＤＲが眼にあることが疑わしい）ことを示す。いくつかの実施形態では、少なくとも３５または３５から４３までの第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から４７までの第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から５３までの第５のスコア２１０は、やや重度の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、やや重度のＤＲが眼に存在し得ることを示す。図２は、第１のスコアと関連付けられた例示の第１の眼底画像２２２、第２のスコアと関連付けられた例示の第２の眼底画像２２４、第３のスコアと関連付けられた例示の第３の眼底画像２２６、第４のスコアと関連付けられた例示の第４の眼底画像２２８、第５のスコアと関連付けられた例示の第５の眼底画像２３０、および第６のスコアと関連付けられた例示の第６の画像２３２をさらに示す。

図１の論述に戻ると、いくつかの実施形態では、指標１１６は０～１および／または０および１を含む確率値の形を取る。他の実施形態では、指標１１６は、確率のカテゴリまたは分類子（例えば、低確率および高確率などから選択されるカテゴリ）である。１つまたは複数の実施形態では、指標１１６は、確率が選択された閾値を上回るかどうかの２進表示である。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、またはそれ以上である。いくつかの実施形態では、閾値は最大で約０．９、０．８、０．７、０．６、０．５、またはそれ以下である。いくつかの実施形態では、閾値は先行する値のうちのいずれか２つによって定められた範囲内にある。

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。画像プロセッサ１０８は次いで、予測された糖尿病性網膜症の重症度スコアが選択範囲内にある確率１１８を示す指標１１６を生成し得る。

ＤＲ検出システム１１４は、ニューラルネットワークの任意の数または組み合わせを含み得る。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）システムの形を取る。これら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、畳み込みニューラルネットワークであってよい。

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に対する少なくとも１つの画像標準化手順を行って、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、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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、前述の手順の少なくとも１、２、３、４、５、６、もしくは７のいずれか、または最大で７、６、５、４、３、２、または１のいずれかを実行するように構成される。

いくつかの実施形態では、視域検出手順は、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る任意の手順を含む。いくつかの実施形態では、中心クロッピング手順は、残りのカラー眼底画像からカラー眼底画像の中心領域をクロッピングするように構成される任意の手順を含む。いくつかの実施形態では、前景抽出手順は、残りのカラー眼底画像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る任意の手順を含む。いくつかの実施形態では、領域抽出手順は、残りのカラー眼底画像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る任意の手順を含む。いくつかの実施形態では、中心領域抽出手順は、残りのカラー眼底画像からカラー眼底画像の中心領域を抽出するように構成される任意の手順を含む。

図３は、画像標準化手順３００の一例を示す。示される例では、入力された眼のカラー眼底画像３０２が受信される。

次に、眼の前景領域（眼の眼底の小領域など）は、入力されたカラー眼底画像３０２から眼の前景画像３０４を生成するために抽出される。いくつかの実施形態では、前景領域は、視域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、カラー眼底画像において二値マスクをコンストラクトすることによって抽出される。いくつかの実施形態では、二値マスクは、強度閾値処理動作を使用して入力されたカラー眼底画像から検索される。いくつかの実施形態では、閾値は、入力された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、または入力されたカラー眼底画像の最大で４つ、３つ、２つ、または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、入力されたカラー眼底画像が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有するとき、画像における最も明るいコーナーの少なくとも１つもしくは２つ、または最大で１つまたは２つが除外され、残りのコーナーを使用して閾値を推定する。いくつかの実施形態では、閾値は、眼の前景領域における実質的に全ての画素が前景画像３０４に含まれることを保証するためにある係数で増大させる。いくつかの実施形態では、係数は実験的に判断される。いくつかの実施形態では、二値マスクは次いで、入力されたカラー眼底画像の背景領域を含まない二値マスクの最も大きい接続された構成要素と置き換えられる。いくつかの実施形態では、二値マスクにおける穴を埋めるために二値マスク上で二値膨張が実行される。

眼の中心領域は、前景画像３０４から眼の中心領域画像３０６を生成するために抽出されてよい。いくつかの実施形態では、中心領域は、中心クロッピング手順、領域抽出手順、または中心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、中心領域は、ハフ変換または円形ハフ変換を使用して抽出される。

コントラスト強調手順はまた、中心領域画像３０６から眼のコントラスト強調画像３０８を生成するために適用されてよい。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の使用と比較するとき、（図１に関して本明細書に説明される）システム１００の性能を改善する標準化画像データを生じさせる。いくつかの実施形態では、標準化画像データを使用して（図１に関して本明細書に説明される）指標１１６を生成する。

図１の論述に戻ると、いくつかの実施形態では、画像プロセッサ１０８はグレードアビリティシステム１２２をさらに備える。いくつかの実施形態では、グレードアビリティシステム１２２は、カラー眼底撮像データと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（または標準化画像データ）のグレードアビリティを判断するように構成される。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を判断するには不十分である視野数を含有し得る。例えば、臨床的に意義のある黄斑浮腫（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つの視野のみを含有し得るため、ＤＲＳＳを判断するのに十分な情報を含有しない場合がある。よって、グレードアビリティは、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有するまたは含有し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、３、４、５、６、７、８、もしくはそれ以上である、最大で８、７、６、５、４、３、もしくは２である、または先行する値のうちのいずれか２つによって定められる範囲内にある。いくつかの実施形態では、グレードアビリティシステム１２２は、少なくとも所定数の視野を含有しないカラー眼底撮像データ（または標準化画像データ）を除去するように構成される。

いくつかの実施形態では、グレードアビリティシステム１２２は、図１に示されるように、画像標準化システム１２０からの入力を受信するように構成される。いくつかの実施形態では、画像標準化システム１２０は、グレードアビリティシステム１２２からの入力を受信するように構成される。

いくつかの実施形態では、入力データ１１０は、対象と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／または対象と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／または対象と関連付けられたその他の人口統計学的データを含む。いくつかの実施形態では、ベースライン臨床データ１２６は、糖尿病の型（例えば、１型糖尿病または２型糖尿病）または糖尿病罹病期間など、対象の糖尿病状態を含む。いくつかの実施形態では、指標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、さまざまな実施形態による、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に説明される評価システム１００を使用して実施される。

ステップ４０２は、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説明される任意のカラー眼底撮像データを含んでよい。

ステップ４０４は、カラー眼底撮像データに対する少なくとも１つの画像標準化手順を行うことを含む。少なくとも１つの画像標準化手順は、図１～図３に関して本明細書に説明される任意の画像標準化手順であってよい。

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、眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することを含む。この指標は、例えば、図１に関して本明細書に説明される指標１１６であってよい。選択範囲は、図１に関して本明細書に説明される任意の選択範囲であってよい。いくつかの実施形態では、指標は、図１に関して本明細書に説明される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、方法は、図１に関して本明細書に説明されるように、カラー眼底撮像データのグレードアビリティを判断することをさらに含む。いくつかの実施形態では、方法は、図１に関して本明細書に説明されるように、カラー眼底撮像データを、少なくとも所定数の視野を含有しない場合に除去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説明されるように、対象と関連付けられた、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、指標は、図１に関して本明細書に説明されるように、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、方法は、複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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、複数の訓練対象と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と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、任意の数の対象、例えば、少なくとも約１千、２千、３千、４千、５千、６千、７千、８千、９千、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、もしくはそれ以上の対象、最大で約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、９千、８千、７千、６千、５千、４千、３千、２千、１千、もしくはそれより少ない対象、または先行する値のうちのいずれか２つによって定められる範囲内にある対象数を含んでよい。いくつかの実施形態では、方法は、図７に関して本明細書に説明される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、さまざまな実施形態による、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）の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説明される評価システム１００と同様であり得る。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説明されるように、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、表示システム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説明されるように、処理を行うための入力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説明されるように、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説明されるように、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を処理して指標１１６を生成する。１つまたは複数の実施形態では、指標１１６は、図１に関して本明細書に説明されるように、眼におけるＤＲ重症度のスコア（例えば、ＤＲＳＳスコア）が選択範囲内にある確率１１８を示す。選択範囲は、図１に関して本明細書に説明される任意の選択範囲であってよい。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説明されるように、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、眼についての指標および／または分類を判断するために使用されてよい１つまたは複数の判断５１０を受信するように構成されてよい。いくつかの実施形態では、１つまたは複数の判断は、専門家によって提供される、または専門家の判断と関連付けられる。いくつかの実施形態では、１つまたは複数の判断は、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、対象の眼と関連付けられたＤＲ重症度スコアの専門家の判断に基づいている。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、対象の眼と関連付けられたＤＲ重症度スコアの専門家の等級分けに基づいている。いくつかの実施形態では、１つまたは複数の判断は、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重症度スコアと関連付けられたＤＲ重症度分類の専門家の判断に基づいている。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から４３までのＤＲＳＳに対応する）、軽度からやや重度のＤＲ（３５から４７までのＤＲＳＳに対応する）、軽度から重度のＤＲ（３５から５３までのＤＲＳＳに対応する）、中程度からやや重度のＤＲ（４３から４７までのＤＲＳＳに対応する）、中程度から重度のＤＲ（４３から５３までのＤＲＳＳに対応する）、やや重度から重度のＤＲ（４７から５３までのＤＲＳＳに対応する）、軽度以上のＤＲ（少なくとも３５のＤＲＳＳに対応する）、中程度以上のＤＲ（少なくとも４３のＤＲＳＳに対応する）、やや重度以上のＤＲ（少なくとも４７のＤＲＳＳに対応する）、および重度以上の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。

よって、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重症度スコアの判断を受信するように、およびこの判断に少なくとも部分的に基づいて指標を判断するように構成される。

いくつかの実施形態では、評価システム５００は分類子５２０をさらに含む。いくつかの実施形態では、評価システムは、複数のＤＲ重症度分類の判断を受信するように構成され、分類子は、指標および複数のＤＲ重症度分類に基づいて、眼を複数のＤＲ重症度分類のＤＲ重症度分類に分類するように構成される。

図６は、さまざまな実施形態による、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に記載される評価システム５００を使用して実施される。

ステップ６０２は、１つまたは複数のＤＲ重症度スコアを判断することを含む。いくつかの実施形態では、それぞれのスコアはＤＲ重症度レベルと関連付けられる。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説明される任意のＤＲ重症度スコアであってよい。

ステップ６０４は、複数のＤＲ重症度分類を判断することであって、それぞれの分類が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重症度分類を判断することを含む。複数のＤＲ重症度分類は、図５に関して本明細書に説明される任意のＤＲ重症度分類であってよい。

ステップ６０６は、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を含む。

ステップ６０８は、受信した入力データから、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を判断することを含む。選択範囲は、図５に関して本明細書に説明される任意の選択範囲であってよい。

ステップ６１０は、指標に基づいて、眼を複数のＤＲ重症度分類の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説明されるように、対象と関連付けられた、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、指標は、図１に関して本明細書に説明されるように、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、方法は、複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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、複数の訓練対象と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と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、任意の数の対象、例えば、少なくとも約１千、２千、３千、４千、５千、６千、７千、８千、９千、１０千、２０千、３０千、４０千、５０千、６０千、７０千、８０千、９０千、１００千、２００千、３００千、４００千、５００千、６００千、７００千、８００千、９００千、１００万、もしくはそれ以上の対象、最大で約１００万、９００千、８００千、７００千、６００千、５００千、４００千、３００千、２００千、１００千、９０千、８０千、７０千、６０千、５０千、４０千、３０千、２０千、１０千、９千、８千、７千、６千、５千、４千、３千、２千、１千、もしくはそれより少ない対象、または先行する値のうちのいずれか２つによって定められる範囲内にある対象数を含んでよい。いくつかの実施形態では、方法は、図７に関して本明細書に説明される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説明される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。学習フェーズにおいて、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に関して本明細書に説明される指標および／または分類を判断するように訓練可能である。訓練フェーズにおいて、（図７において「全データセット」と称される）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（本明細書に説明される複数の訓練対象と関連付けられた等級分け済みカラー眼底撮像データなどの）データセットは、最初に階層化されかつ患者レベルで分割され得る。全データセットは、次いで、（図７において「訓練用データセット」と称される）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第１の部分、（図７において「調整用データセット」と称される）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、および、（図７において「テスト用データセット」と称される）訓練されたニューラルネットワークシステムの後のテストおよび／または評価のために保持される第３の部分に分けられてよい。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、全データセットの最大で約９５％、９０％、８５％、８０％、７５％、７０％、もしくはそれ以下、または先行する値のいずれか２つによって定めら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んでよい。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、全データセットの最大で約２０％、１５％、１０％、５％、もしくはそれ以下、または先行する値のいずれか２つによって定めら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んでよい。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、全データセットの最大で約２０％、１５％、１０％、５％、もしくはそれ以下、または先行する値のいずれか２つによって定めら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んでよい。

訓練用データセットは、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。調整用データセットは、訓練用データセットによる訓練の後にニューラルネットワークシステムの性能をテストしかつ調整するために使用され得る。結果として生じる訓練済みニューラルネットワークシステムは、テストデータセットに適用されて、テストデータと関連付けられた本明細書に説明される任意の指標および／または任意の分類を予測し得る。予測された指標および／または分類は、さまざまな統計的尺度を使用して保持されたデータセットと関連付けられた（実際の時系列応答および／または対応する画像特徴などの）「グランドトゥルース」と比較され得る。例えば、尺度は、Ｒ^２値、平均平方誤差（ＲＭＳＥ）、平均絶対誤差（ＭＡＥ）、およびピアソン相関係数のうちのいずれか１つまたは複数を含んでよい。

コンピュータ実施システム
図８は、さまざまな実施形態によ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における上述されるコンピューティングプラットフォーム１０２のための１つの実装形態の一例であり得る。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またはその他の通信機構、および情報を処理するためにバス８０２と結合される少なくとも１つのプロセッサ８０４を含むことができる。さまざまな実施形態では、コンピュータシステム８００は、プロセッサ８０４によって実行される命令を判断するためにバス８０２に結合される、ランダムアクセスメモリ（ＲＡＭ）８０６または他の動的ストレージデバイスとすることができるメモリも含むことができる。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テンポラリ変数または他の中間情報を記憶するために使用可能である。さまざまな実施形態では、コンピュータシステム８００は、静的情報およびプロセッサ８０４に対する命令を記憶するためにバス８０２に結合されるリードオンリメモリ（ＲＯＭ）８０８または他の静的ストレージデバイスをさらに含むことができる。磁気ディスクまたは光ディスクなどのストレージデバイス８１０は、情報および命令を記憶するためにバス８０２に提供されかつ結合され得る。

さまざまな実施形態では、コンピュータシステム８００は、情報をコンピュータユーザに表示するために、バス８０２を介して、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に結合可能である。英数字キーおよびその他のキーを含む入力ディスプレイ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に結合可能である。別のタイプのユーザ入力デバイスは、方向情報およびコマンド選択をプロセッサ８０４に通信するための、およびディスプレイ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、ジェスチャ入力デバイス、視線ベースの入力デバイス、またはカーソル方向キーなどのカーソル制御８１６である。この入力デバイス８１４は、典型的には、デバイスが平面における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つの軸における２つの自由度を有する。しかしながら、３次元（例えば、ｘ、ｙ、およびｚ）のカーソル移動を可能にする入力デバイス８１４も本明細書において考えられることは、理解されるべきである。

本教示のある特定の実装形態と一致するように、プロセッサ８０４が、ＲＡＭ８０６に含有される１つまたは複数の命令の１つもしくは複数のシーケンスを実行することに応答して、結果がコンピュータシステム８００によって提供可能である。いくつかの実施形態では、コンピュータシステム８００は、１つまたは複数の特殊用途の処理ユニットが、これら特殊用途の処理ユニットの専用ＲＡＭに含有される１つまたは複数の命令の１つもしくは複数のシーケンスを実行することに応答した結果を提供し得る。そのような命令は、ストレージデバイス８１０など、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に読み込み可能である。ＲＡＭ８０６に含有される命令のシーケンスの実行によって、プロセッサ８０４は本明細書に説明されるプロセスを実行することが可能である。代替的には、ハードワイヤード回路は、本教示を実施するソフトウェア命令の代わりにまたはこれと組み合わせて使用可能である。よって、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任意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用語「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、ストレージデバイス、データストレージデバイスなど）または「コンピュータ可読記憶媒体」は、プロセッサ８０４に実行させるための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、限定はされないが、不揮発性媒体、揮発性媒体、および伝送媒体を含む多くの形を取ることができる。不揮発性媒体の例として、限定はされないが、ストレージデバイス８１０などの、光ディスク、ソリッドステートディスク、磁気ディスクを含むことができる。揮発性媒体の例として、限定はされないが、ＲＡＭ８０６などの動的メモリを含むことができる。伝送媒体の例として、限定はされないが、バス８０２を含む配線を含む、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式は、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、もしくは任意の他の磁気媒体、ＣＤ－ＲＯＭ、任意の他の光媒体、パンチカード、ペーパーテープ、穴のパターンを有する任意の他の物理媒体、ＲＡＭ、ＰＲＯＭ、およびＥＰＲＯＭ、フラッシュＥＰＲＯＭ、任意の他のメモリチップもしくはカートリッジ、またはコンピュータが読み込むことができる任意の他の有形的表現媒体を含む。

コンピュータ可読媒体に加えて、命令またはデータは、コンピュータシステム８００のプロセッサ８０４に実行させるための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可能である。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んでよい。命令およびデータは、１つまたは複数のプロセッサに、本明細書における開示に概説される機能を実施させるように構成される。データ通信伝送接続の代表例として、限定はされないが、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。

本明細書に説明される方法論、フローチャート、図形、および添付の開示が、コンピュータシステム８００を、スタンドアロンデバイスとして、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使用して実施可能であることは、認識されるべきである。

本明細書に説明される方法論は、用途に応じてさまざまな手段によって実施されてよい。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、またはこれらの任意の組み合わせで実施されてよい。ハードウェア実施について、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）、デジタルシグナルプロセッサ（ＤＳＰ）、デジタルシグナル処理デバイス（ＤＳＰＤ）、プログラマブル論理デバイス（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、グラフィック処理ユニット（ＧＰＵ）、テンソル処理ユニット（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、本明細書に説明される機能を実行するように設計されるその他の電子ユニット、またはこれらの組み合わせ内に実装されてよい。

さまざまな実施形態では、本教示の方法は、Ｃ、Ｃ＋＋、Ｐｙｔｈｏｎなどの従来のプログラミング言語で書き込まれたファームウェアならびに／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施され得る。ファームウェアおよび／またはソフトウェアとして実施される場合、本明細書に説明される実施形態は、コンピュータに上述される方法を実行させるプログラムが記憶されている非一時的なコンピュータ可読媒体上で実施可能である。本明細書に記載されるさまざまなエンジンが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提供可能であることによって、プロセッサ８０４が、メモリ構成要素のＲＡＭ８０６、ＲＯＭ８０８、またはストレージデバイス８１０のうちのいずれか１つまたはこれらの組み合わせによって提供される命令、および入力デバイス８１４を介して提供されるユーザ入力を受けて、これらのエンジンによって提供される分析および判断を実行することになることは、理解されるべきである。

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やや重度および重度の非増殖糖尿病性網膜症の自動化スクリーニング
やや重度および重度の非増殖糖尿病性網膜症（ＮＰＤＲ）の眼の自動化識別における７視野カラー眼底写真（７Ｆ－ＣＦＰ）を用いる深層学習（ＤＬ）モデルの性能は、米国プライマリケア環境における糖尿病の患者の中で評価された。

１９９９～２０１６年に収集されたデータを使用して、５５，３２４人の糖尿病患者の眼が分析された（出所：オクラホマ州オクラホマ市のＩｎｏｖｅｏｎ Ｃｏｒｐｏｒａｔｉｏｎ）。これらのうち、画像データがないことにより１３，２４７人の患者が除外され、取得テストケースとして２６人の患者が除外され、等級分け不可能な画像の存在により４，６９３人の患者が除外された。これによって、本明細書に開示されたシステムおよび方法を使用する評価のために合計３７，３５８人の患者が残された。糖尿病性網膜症（ＤＲ）の重症度および臨床的に有意な黄斑浮腫（ＣＳＭＥ）の存在は、集中読影センターにおける専門の等級判定者によって７Ｆ－ＣＦＰから評価された。ＤＲ重症度は、糖尿病性網膜症の早期治療に関する研究（ＥＴＤＲＳ）のＤＲ重症度尺度（ＤＲＳＳ）を使用して等級分けされた。

データセットは、合計で、２９，８９０人の患者、３，７３２人の患者、および３，７３６人の患者それぞれに対して、モデル訓練８０％、調整１０％、およびテスト１０％に分割された。表１は、データセットに含まれる患者についての人口統計学的情報を示す。表２は、データセットの含まれる患者についての臨床情報を示す。表３は、データセットに含まれる患者についてのＤＲＳＳスコアを示す。

転移学習による深層学習Ｉｎｃｅｐｔｉｏｎ Ｖ３モデルは、患者を、４７～５３の範囲におけるＤＲＳＳを有するまたは有さないのどちらかで分類するために（立体視を含む）７視野全てに対する画像レベルで訓練された。それぞれの患者の眼レベルでの予測を提供するために全視野にわたって予測が平均化された。受信者動作特性曲線の下の面積（ＡＵＲＯＣ）、特異性、感受性、および陽性適中率に基づいて、モデル性能が判断された。

調整セットに対する性能、および、ユーデン指数を最大化するための特異性および感受性の所望のカットオフに基づいて、モデルが選択された。ＡＵＲＯＣ０．９８８（ＣＩ９５％、０．９８７２～０．９８７９）、精密さ０．５７（ＣＩ９５％、０．５６～０．５８）、感受性０．９６３９（ＣＩ９５％、０．９６２８～０．９６５５）、特異性０．９６２４（ＣＩ９５％、０．９６２１～０．９６２５）、陽性適中率０．３６８（ＣＩ９５％、０．３６６～０．３７０）、および陰性適中率０．９９９（ＣＩ９５％、０．９９９１～０．０００２）において４７～５３の範囲におけるＤＲＳＳの患者を識別するためのテストセットに対して適切にモデルが実行された。さらに、軽度以上のＤＲを有したテストセットのメンバーについて、モデルは、ＡＵＲＯＣ０．９３（ＣＩ９５％、０．９３～０．９４）、精密さ０．５７４（ＣＩ９５％、０．５６７～０．５８）、感受性０．９６３９（ＣＩ９５％、０．９６２４～０．９６５２）、特異性０．７９１２（ＣＩ９５％、０．７９０１～０．７９２３）、陽性適中率０．３７６（ＣＩ９５％、０．３７４３～０．３７８６）、および陰性適中率０．９９４（ＣＩ９５％、０．９９３８～０．９９４３）を実現した。

これらの結果は、機械学習（およびとりわけＤＬ）が４７～５３の範囲におけるＤＲＳＳによる眼の自動化識別をサポートできることを示している。そのようなモデルは、予防臨床治験について進行のリスクがある患者の識別によるスクリーニングをサポートすることができる。さらに、該モデルは臨床診療における患者のスクリーニングを支援することができる。

結論
さまざまな実施形態と併せて本教示について説明しているが、本教示がそのような実施形態に限定されることを意図するものではない。それどころか、本教示は、当業者には理解されるように、さまざまな代替策、修正、および等価物を包含する。

例えば、上述されるフローチャートおよびブロック図は、さまざまな方法およびシステムの実施形態の考えられる実装のアーキテクチャ、機能性、および／または動作を示す。フローチャートまたはブロック図におけるそれぞれのブロックは、モジュール、セグメント、機能、動作またはステップの一部分、またはこれらの組み合わせを表し得る。一実施形態のいくつかの代替的な実装形態において、ブロックに記される機能（単数または複数）は、図に記される順序以外で行われる場合がある。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よい、または、何らかのやり方で統合されてよい。その他の場合、ブロックは逆の順序で実行される場合がある。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における１つまたは複数の他のブロックを置き換える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よい。

よって、さまざまな実施形態を説明する際に、本明細書では方法および／またはプロセスを特定の順序のステップとして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される特定の順序のステップに依存していない範囲で、方法またはプロセスは、説明した特定の順序のステップに限定されるべきではなく、当業者には容易に理解できるように、順序は変えられる場合があり、かつ依然、さまざまな実施形態の趣旨および範囲内にとどまる場合がある。

実施形態の列挙
実施形態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、
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する少なくとも１つの画像標準化手順を行うことと、
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、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することと、を含む、方法。

実施形態２．カラー眼底撮像データは複数の視野を含み、それぞれの視野はカラー眼底画像を含む、実施形態１の方法。

実施形態３．カラー眼底撮像データと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ドアビリティを判断することであって、グレードアビリティは、カラー眼底撮像データが所定数の視野を含有するまたは含有しないという表示を示す、グレードアビリティを判断することをさらに含む、実施形態１または２の方法。

実施形態４．選択範囲は、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、中程度から重度のＤＲ、中程度以上のＤＲ、軽度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲを示す、実施形態１～３のいずれか１つの方法。

実施形態５．選択範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、実施形態１～４のいずれか１つの方法。

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におけるＤＲ重症度のスコアを予測することをさらに含む、実施形態１～５のいずれか１つの方法。

実施形態７．指標は眼についての予測されたＤＲ重症度スコアを含む、実施形態１～６のいずれか１つの方法。

実施形態８．少なくとも１つの画像標準化手順は、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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１～７のいずれか１つの方法。

実施形態９．入力データは、対象と関連付けられたベースライン人口統計学的特性、および対象と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、指標を生成することは、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指標を生成することをさらに含む、実施形態１～８のいずれか１つの方法。

実施形態１０．指標を生成することは、ニューラルネットワークシステムを使用して指標を生成することを含む、実施形態１～９のいずれか１つの方法。

実施形態１１．複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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は、複数の訓練対象と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と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の方法。

実施形態１３．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、
非一時的なメモリと、
非一時的なメモリと結合され、かつシステムに、
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する少なくとも１つの画像標準化手順を行うことと、
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、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することと、
を含む動作を実行させる命令を非一時的なメモリから読み込むように構成される、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は複数の視野を含み、それぞれの視野はカラー眼底画像を含む、実施形態１３のシステム。

実施形態１５．動作は、カラー眼底撮像データと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ドアビリティを判断することであって、グレードアビリティは、カラー眼底撮像データが所定数の視野を含有するまたは含有しないという表示を示す、グレードアビリティを判断することをさらに含む、実施形態１３または１４のシステム。

実施形態１６．選択範囲は、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、中程度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲを示す、実施形態１３～１５のいずれか１つのシステム。

実施形態１７．選択範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、実施形態１３～１６のいずれか１つのシステム。

実施形態１８．動作は、受信したカラー眼底撮像データを使用して眼におけるＤＲ重症度のスコアを予測することをさらに含む、実施形態１３～１７のいずれか１つのシステム。

実施形態１９．指標は眼についての予測されたＤＲ重症度スコアを含む、実施形態１３～１８のいずれか１つのシステム。

実施形態２０．少なくとも１つの画像標準化手順は、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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１３～１９のいずれか１つのシステム。

実施形態２１．入力データは、対象と関連付けられたベースライン人口統計学的特性、および対象と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、指標を生成することは、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指標を生成することをさらに含む、実施形態１３～２０のいずれか１つのシステム。

実施形態２２．指標を生成することは、ニューラルネットワークシステムを使用して指標を生成することを含む、実施形態１３～２１のいずれか１つのシステム。

実施形態２３．動作は、複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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は、複数の訓練対象と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と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のシステム。

実施形態２５．非一時的な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する少なくとも１つの画像標準化手順を行うことと、
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、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することと、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ている、非一時的な機械可読媒体。

実施形態２６．カラー眼底撮像データは複数の視野を含み、それぞれの視野はカラー眼底画像を含む、実施形態２５の非一時的な機械可読媒体。

実施形態２７．動作は、カラー眼底撮像データと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ドアビリティを判断することであって、グレードアビリティは、カラー眼底撮像データが所定数の視野を含有するまたは含有しないという表示を示す、グレードアビリティを判断することをさらに含む、実施形態２５または２６の非一時的な機械可読媒体。

実施形態２８．選択範囲は、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、中程度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲを示す、実施形態２５～２７のいずれか１つの非一時的な機械可読媒体。

実施形態２９．選択範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、実施形態２５～２８のいずれか１つの非一時的な機械可読媒体。

実施形態３０．動作は、受信したカラー眼底撮像データを使用して眼におけるＤＲ重症度のスコアを予測することをさらに含む、実施形態２５～２９のいずれか１つの非一時的な機械可読媒体。

実施形態３１．指標は眼についての予測されたＤＲ重症度スコアを含む、実施形態２５～３０のいずれか１つの非一時的な機械可読媒体。

実施形態３２．少なくとも１つの画像標準化手順は、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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２５～３１のいずれか１つの非一時的な機械可読媒体。

実施形態３３．入力データは、対象と関連付けられたベースライン人口統計学的特性、および対象と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、指標を生成することは、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指標を生成することをさらに含む、実施形態２５～３２のいずれか１つの非一時的な機械可読媒体。

実施形態３４．指標を生成することは、ニューラルネットワークシステムを使用して指標を生成することを含む、実施形態２５～３３のいずれか１つの方法。

実施形態３５．動作は、複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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の非一時的な機械可読媒体。

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は、複数の訓練対象と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と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の非一時的な機械可読媒体。

実施形態３７．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重症度スコアを判断することであって、それぞれのスコアはＤＲ重症度レベルと関連付けられる、１つまたは複数のＤＲ重症度スコアを判断することと、
複数のＤＲ重症度分類を判断することであって、それぞれの分類が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重症度分類を判断することと、
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、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を判断することと、
指標に基づいて、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判断することであって、それぞれのＤＲ閾値スコアは、複数のＤＲ重症度分類の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判断することをさらに含む、実施形態３７の方法。

実施形態３９．少なくとも１つのＤＲ重症度分類は、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、または中程度から重度のＤＲを示す、実施形態３７または３８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は、４３から４７まで、４７から５３まで、または４３から５３までの糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、実施形態３７～３９のいずれか１つの方法。

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におけるＤＲ重症度のスコアを予測することをさらに含む、実施形態３７～４０のいずれか１つの方法。

実施形態４２．指標は眼についての予測されたＤＲ重症度スコアを含む、実施形態３７～４１のいずれか１つの方法。

実施形態４３．入力データは、対象と関連付けられたベースライン人口統計学的特性、および対象と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、指標を生成することは、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指標を生成することをさらに含む、実施形態３７～４２のいずれか１つの方法。

実施形態４４．指標を生成することは、ニューラルネットワークシステムを使用して指標を生成することを含む、実施形態３７～４３のいずれか１つの方法。

実施形態４５．複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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は、複数の訓練対象と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と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の方法。

実施形態４７．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、
非一時的なメモリと、
非一時的なメモリと結合され、かつシステムに、
１つまたは複数のＤＲ重症度スコアの判断を受信することであって、それぞれのスコアはＤＲ重症度レベルと関連付けられる、１つまたは複数のＤＲ重症度スコアの判断を受信することと、
複数のＤＲ重症度分類の判断を受信することであって、それぞれの分類は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重症度分類の判断を受信することと、
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、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を判断することと、
指標に基づいて、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命令を非一時的なメモリから読み込むように構成される、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．動作は、ＤＲ閾値スコアの範囲またはセットの判断を受信することであって、それぞれのＤＲ閾値スコアは、複数のＤＲ重症度分類の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判断を受信することをさらに含む、実施形態４７のシステム。

実施形態４９．少なくとも１つのＤＲ重症度分類は、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、または中程度から重度のＤＲを示す、実施形態４７または４８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は、４３から４７まで、４７から５３まで、または４３から５３までの糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、実施形態４７～４９のいずれか１つのシステム。

実施形態５１．動作は、受信したカラー眼底撮像データを使用して眼におけるＤＲ重症度のスコアを予測することをさらに含む、実施形態４７～５０のいずれか１つのシステム。

実施形態５２．指標は眼についての予測されたＤＲ重症度スコアを含む、実施形態４７～５１のいずれか１つのシステム。

実施形態５３．入力データは、対象と関連付けられたベースライン人口統計学的特性、および対象と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、指標を生成することは、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指標を生成することをさらに含む、実施形態４７～５２のいずれか１つのシステム。

実施形態５４．指標を生成することは、ニューラルネットワークシステムを使用して指標を生成することを含む、実施形態４７～５３のいずれか１つのシステム。

実施形態５５．動作は、複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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は、複数の訓練対象と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と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のシステム。

実施形態５７．非一時的な機械可読媒体であって、システムに、
１つまたは複数のＤＲ重症度スコアの判断を受信することであって、それぞれのスコアはＤＲ重症度レベルと関連付けられる、１つまたは複数のＤＲ重症度スコアの判断を受信することと、
複数のＤＲ重症度分類の判断を受信することであって、それぞれの分類は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重症度分類の判断を受信することと、
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、対象の眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を判断することと、
指標に基づいて、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ている、非一時的な機械可読媒体。

実施形態５８．動作は、ＤＲ閾値スコアの範囲またはセットの判断を受信することであって、それぞれのＤＲ閾値スコアは、複数のＤＲ重症度分類の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判断を受信することをさらに含む、実施形態５７の非一時的な機械可読媒体。

実施形態５９．少なくとも１つのＤＲ重症度分類は、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、または中程度から重度のＤＲを示す、実施形態５７または５８の非一時的な機械可読媒体。

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は、４３から４７まで、４７から５３まで、または４３から５３までの糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、実施形態５７～５９のいずれか１つの非一時的な機械可読媒体。

実施形態６１．動作は、受信したカラー眼底撮像データを使用して眼におけるＤＲ重症度のスコアを予測することをさらに含む、実施形態５７～６０のいずれか１つの非一時的な機械可読媒体。

実施形態６２．指標は眼についての予測されたＤＲ重症度スコアを含む、実施形態５７～６１のいずれか１つの非一時的な機械可読媒体。

実施形態６３．入力データは、対象と関連付けられたベースライン人口統計学的特性、および対象と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、指標を生成することは、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指標を生成することをさらに含む、実施形態５７～６２のいずれか１つの非一時的な機械可読媒体。

実施形態６４．指標を生成することは、ニューラルネットワークシステムを使用して指標を生成することを含む、実施形態５７～６３のいずれか１つの非一時的な機械可読媒体。

実施形態６５．動作は、複数の訓練対象と関連付けられた少なくとも等級分け済みカラー眼底撮像データを含む訓練用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の非一時的な機械可読媒体。

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は、複数の訓練対象と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と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の非一時的な機械可読媒体。

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、
   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、
   前記カラー眼底撮像データに対する少なくとも１つの画像標準化手順を行うことと、
   標準化画像データのセットを生成することと、
   少なくとも前記標準化画像データを使用して、前記対象の前記眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することと、を含む、方法。
2. 前記カラー眼底撮像データと関連付けられた視野数に基づいて、前記カラー眼底撮像データのグレードアビリティを判断することであって、前記グレードアビリティは、前記カラー眼底撮像データが所定数の視野を含有するまたは含有しないという表示を示す、グレードアビリティを判断することをさらに含む、請求項１に記載の方法。
3. 前記選択範囲は、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、中程度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲを示す、請求項１に記載の方法。
4. 前記選択範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、請求項１に記載の方法。
5. 前記少なくとも１つの画像標準化手順は、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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、請求項１に記載の方法。
6. 前記入力データは、前記対象と関連付けられたベースライン人口統計学的特性、および前記対象と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、前記指標を生成することは、前記ベースライン人口統計学的特性および前記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前記指標を生成することをさらに含む、請求項１に記載の方法。
7. 前記指標を生成することは、ニューラルネットワークシステムを使用して前記指標を生成することを含む、請求項１に記載の方法。
8. 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、
   非一時的なメモリと、
   前記非一時的なメモリと結合され、かつ前記システムに、
   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、
   前記カラー眼底撮像データに対する少なくとも１つの画像標準化手順を行うことと、
   標準化画像データのセットを生成することと、
   少なくとも前記標準化画像データを使用して、前記対象の前記眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することと、
   を含む動作を実行させる命令を前記非一時的なメモリから読み込むように構成される、１つまたは複数のプロセッサと、を備える、システム。
9. 前記動作は、前記カラー眼底撮像データと関連付けられた視野数に基づいて、前記カラー眼底撮像データのグレードアビリティを判断することであって、前記グレードアビリティは、前記カラー眼底撮像データが所定数の視野を含有するまたは含有しないという表示を示す、グレードアビリティを判断することをさらに含む、請求項１３に記載のシステム。
10. 前記選択範囲は、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、中程度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲを示す、請求項８に記載のシステム。
11. 前記選択範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、請求項８に記載のシステム。
12. 前記少なくとも１つの画像標準化手順は、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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、請求項８に記載のシステム。
13. 前記入力データは、前記対象と関連付けられたベースライン人口統計学的特性、および前記対象と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、前記指標を生成することは、前記ベースライン人口統計学的特性および前記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前記指標を生成することをさらに含む、請求項８に記載のシステム。
14. 前記指標を生成することは、ニューラルネットワークシステムを使用して前記指標を生成することを含む、請求項８に記載のシステム。
15. 非一時的な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、
    前記カラー眼底撮像データに対する少なくとも１つの画像標準化手順を行うことと、
    標準化画像データのセットを生成することと、
    少なくとも前記標準化画像データを使用して、前記対象の前記眼におけるＤＲ重症度のスコアが選択範囲内にある確率を示す指標を生成することと、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ている、非一時的な機械可読媒体。
16. 前記動作は、前記カラー眼底撮像データと関連付けられた視野数に基づいて、前記カラー眼底撮像データのグレードアビリティを判断することであって、前記グレードアビリティは、前記カラー眼底撮像データが所定数の視野を含有するまたは含有しないという表示を示す、グレードアビリティを判断することをさらに含む、請求項１５に記載の非一時的な機械可読媒体。
17. 前記選択範囲は、軽度から中程度のＤＲ、軽度からやや重度のＤＲ、軽度から重度のＤＲ、中程度からやや重度のＤＲ、やや重度から重度のＤＲ、中程度から重度のＤＲ、軽度以上のＤＲ、中程度以上のＤＲ、やや重度以上のＤＲ、または重度以上のＤＲを示す、請求項１５に記載の非一時的な機械可読媒体。
18. 前記選択範囲は、３５から４３まで、３５から４７まで、３５から５３まで、４３から４７まで、４７から５３まで、４３から５３まで、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の糖尿病性網膜症の重症度尺度（ＤＲＳＳ）の一部分を含む、請求項１５に記載の非一時的な機械可読媒体。
19. 前記少なくとも１つの画像標準化手順は、視域検出手順、中心クロッピング手順、前景抽出手順、領域抽出手順、中心領域抽出手順、適応ヒストグラム均等化（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、請求項１５に記載の非一時的な機械可読媒体。
20. 前記入力データは、前記対象と関連付けられたベースライン人口統計学的特性、および前記対象と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、前記指標を生成することは、前記ベースライン人口統計学的特性および前記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前記指標を生成することをさらに含む、請求項１５に記載の非一時的な機械可読媒体。
    

Images