Detection of Diabetic Eye Disease in a Danish Context using Deep Learning

Bidragets oversatte titel: Detektion af Diabetisk Øjensygdom i en Dansk Kontekst ved brug af Deep Learning

Publikation: AfhandlingPh.d.-afhandling

Abstrakt

Diabetes er en global epidemi og over 460 millioner mennesker på verdensplan lever med sygdommen. Antallet af mennesker med diabetes forventes at stige dramatisk i de kommende årtier, da mennesker gennemsnitligt bliver ældre og vi lever en mere stillesiddende tilværelse. Diabetes fører til forhøjet blodtryk som kan lede til mange komplikationer i organer såsom hjerte, nyrer og øjne. Diabetisk retinopati (DR) er en af de hyppigst forekommende komplikationer ved diabetes. Det er en kronisk of progressive sygdom i øjet hvor mikrovaskulære forandringer frembragt af forhøjet blodtryk og blodsukker kan resultere i synstab og blindhed, og det er en af hyppigste årsager til forebyggelig blindhed blandt folk i den arbejdsdygtige alder.

Risikoen for DR relateret synstab og blindhed kan mindskes ved tidlig diagnose. Diabetespatienter i mange lande bliver jævnligt screenet for sygdommen på hospitaler eller sundhedsklinikker, hvor øjenlæger eller uddannet personale undersøger deres øjne ved brug af funduskopi og kigger efter mikrovaskulære forandringer og abnormaliteter som indikerer sygdom. I takt med at forekomsten af diabetes stiger, stiger behovet for sundhedspersonale, og der er en frygt for at sundhedsvæsenet på et tidspunkt ikke længere er i stand til at følge med.

Inden for de sidste fem år er interessen for, og forskning i benyttelse af computer assisteret diagnostiske værktøjer steget, i stor grad grundet de resultater som “deep learning” og i særdeleshed kunstige neurale netværk har vist inden for automatisk billedgenkendelse. Deep learning metoder er blevet studeret omfattende til brug inden for automatisk diagnosticering
af DR og er på nuværende tidspunkt på niveau med eksperter i forhold til at detektere visse grader af sygdommen.

Danmark har et etableret screeningsprogram som tager sig af at screene de omkring 300.000 mennesker i Danmark med diabetes. Screeningsprogrammet er baseret på anbefalinger og retningslinjer fremsat af Dansk Oftalmologisk Selskab. Disse retningslinjer foreslår brugen af specifikke metoder til at identificere og inddele DR sygdomsgrader og behandling af patienter for at mindske risikoen for DR relateret synstab.

Grundet forskel i de anvendte typer af billeder, samt den måde som sygdomsgraderne inddeles på, lever de nuværende anvendte metoder til automatisk detektering af DR ved brug af deep learning ikke op til de anbefalinger og retningslinjer som det danske screeningsprogram følger. Ydermere, så er mange af disse metoder udviklet ved brug af billeder fra befolkningsgrupper i Indien og Sydøstasien og der er derfor tvivl om hvorvidt metoderne vil virke lige så effektivt i den Danske befolkning.

Denne afhandling omhandler udviklingen af en metode til automatisk at detektere DR i den danske befolkning som overholder de retningslinier og anbefalinger fremsat af Dansk Oftalmologisk Selskab. Dette indebærer brugen af billeder som fanger en større del af patientens nethinde samt evnen til at kunne inddele sygdommen i de fem niveauer som bruges til at planlægge screeningsintervaller og behandling af diabetespatienter. Der vil være fokus på at øge metodens gennemsigtighed i forhold til dens beslutninger, for at gøre den mere acceptabel i en klinisk sammenhæng for både klinikere og patienter.
Bidragets oversatte titelDetektion af Diabetisk Øjensygdom i en Dansk Kontekst ved brug af Deep Learning
OriginalsprogEngelsk
Bevilgende institution
  • Syddansk Universitet
Vejledere/rådgivere
  • Savarimuthu, Thiusius R., Hovedvejleder
  • Grauslund, Jakob, Bivejleder
Udgiver
DOI
StatusUdgivet - 1. feb. 2022

Note vedr. afhandling

Afhandlingen kan læses på SDUs bibliotek.

Fingeraftryk

Dyk ned i forskningsemnerne om 'Detektion af Diabetisk Øjensygdom i en Dansk Kontekst ved brug af Deep Learning'. Sammen danner de et unikt fingeraftryk.

Citationsformater