Automated multimodal severity assessment of diabetic retinopathy using ultra-widefield color fundus photography and clinical tabular data
Rattachement africain : fr, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This study introduces an automatic deep-learning-based approach to diabetic retinopathy (DR) severity assessment by integrating two modalities: Ultra-Widefield Color Fundus Photography (UWF-CFP) from the CLARUS 500 device (Carl Zeiss Meditec Inc., Dublin, CA, USA) and a comprehensive set of clinical data from the EVIRED project. We propose a framework that combines the information from 2D UWF-CFP images and a set of 76 tabular features, including demographic, biochemical, and clinical parameters, to enhance the classification accuracy of DR stages. Our model uses advanced machine learning techniques to address the complexities of synthesizing heterogeneous data types, providing a holistic view of patient health status. Results indicate that this fusion outperforms traditional methods that rely solely on imaging or clinical data, suggesting a robust model which can provide practitioners with a supportive second opinion on DR severity, particularly useful in screening workflows. We measured a multiclass accuracy of 63.4% and kappa of 0.807 for our fusion model which is 2.1% higher in accuracy and 0.022 higher in kappa compared to the image unimodal classifier. Several interpretation methods are used to provide practitioners with an inside view of the workings of classification methods and allow them to discover the most important clinical features. • Introduced a multimodal deep learning framework for DR severity classification. • Integrating Ultra-Widefield Color Fundus images with clinical tabular data. • Our fusion model outperformed methods relying solely on imaging or clinical data. • Providing a supportive second opinion on DR severity for screening workflows. • Used interpretability methods to allow clinicians to understand the model better.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Automated multimodal severity assessment of diabetic retinopathy using ultra-widefield color fundus photography and clinical tabular data
- Date Crossref
- 01/02/2026
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Inserm pays non établi dans la noticeOrganisme public
-
Université de Bretagne Occidentale pays non établi dans la noticeUniversité ou école supérieure
-
Laboratoire de Traitement de l'Information Médicale pays non établi dans la noticeStructure de recherche
-
IMT Atlantique pays non établi dans la noticeUniversité ou école supérieure
-
Assistance Publique – Hôpitaux de Paris pays non établi dans la noticeÉtablissement de santé
-
Hôpital Lariboisière pays non établi dans la noticeÉtablissement de santé
-
Carl Zeiss (United States) pays non établi dans la noticeEntreprise
-
Centre Hospitalier Régional Universitaire de Brest pays non établi dans la noticeÉtablissement de santé
-
LaTIM UMR 1101 pays non établi dans la noticeInstitution
-
University of Western Brittany pays non établi dans la noticeUniversité ou école supérieure
-
Lariboisière Hospital pays non établi dans la noticeÉtablissement de santé
-
ADCIS pays non établi dans la noticeInstitution
Inserm, Université de Bretagne Occidentale et Laboratoire de Traitement de l'Information Médicale, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.