The Challenge of Diabetic Retinopathy Standardization in an Ophthalmological Dataset

Nakayama, Luis Filipe; Gonçalves, Mariana Batista; Ferraz, Daniel; Santos, Helen Nazareth Veloso dos; Malerbi, Fernando Korn; Morales, Paulo Henrique; Maia, Maurício; Regatier, Caio V S; Belfort, Rubens

doi:10.1177/19322968211029943

Cited by 3 publications

(1 citation statement)

References 7 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…There are many Diabetic Retinopathy classifications applied in distinct countries and screening programs, with the International Council of Ophthalmology Diabetic Retinopathy (ICDR) classification as the most applied in open-access ophthalmological datasets [ 13 ].…”

Section: Introductionmentioning

confidence: 99%

Diabetic retinopathy classification for supervised machine learning algorithms

et al. 2022

Self Cite

View full text Add to dashboard Cite

Background Artificial intelligence and automated technology were first reported more than 70 years ago and nowadays provide unprecedented diagnostic accuracy, screening capacity, risk stratification, and workflow optimization. Diabetic retinopathy is an important cause of preventable blindness worldwide, and artificial intelligence technology provides precocious diagnosis, monitoring, and guide treatment. High-quality exams are fundamental in supervised artificial intelligence algorithms, but the lack of ground truth standards in retinal exams datasets is a problem. Main body In this article, ETDRS, NHS, ICDR, SDGS diabetic retinopathy grading, and manual annotation are described and compared in publicly available datasets. The various DR labeling systems generate a fundamental problem for AI datasets. Possible solutions are standardization of DR classification and direct retinal-finding identifications. Conclusion Reliable labeling methods also need to be considered in datasets with more trustworthy labeling.

show abstract

Section: Introductionmentioning

confidence: 99%

Diabetic retinopathy classification for supervised machine learning algorithms

et al. 2022

Self Cite

View full text Add to dashboard Cite

show abstract

Okuläre Veränderungen als Hilfsmittel in der Malariadiagnostik

2021

View full text Add to dashboard Cite

Zusammenfassung Hintergrund Laut WHO Malaria Report 2019 erkranken jährlich 229 Mio. Menschen an Malaria. Zwei Drittel der Todesfälle betreffen Kinder unter 5 Jahren. Ziel der Arbeit Überblick über die Fundusveränderungen im Rahmen der okulären Veränderungen bei Malaria, den Stellenwert der ophthalmologischen Diagnostik und die Bedeutung der Fundoskopie bei der Diagnose. Material und Methoden Zusammenfassende Darstellung der fundoskopisch sichtbaren Veränderungen bei zerebraler Malaria, möglicher zugrunde liegender Pathomechanismen sowie der Stellenwert der Fundoskopie in der Praxis. Ergebnisse Bei Malaria im Fundusbild erkennbar sind eine Weiß- bzw. Graufärbung der Retina („retinal whitening“), Farbveränderung retinaler Gefäße (Orange- oder Weißfärbung), Hämorrhagien, oft mit weißem Zentrum ähnlich den Roth-Flecken sowie ein Papillenödem. Diskussion Die retinalen Veränderungen bei Malaria sind charakteristisch und können helfen, Malaria von anderen Ursachen von Koma und Fieber abzugrenzen. Smartphone-basierte Fundusfotografie und künstliche Intelligenz könnten in ressourcenarmen Regionen zur Diagnose beitragen.

show abstract