論文の概要: Segmentation of Retinal Low-Cost Optical Coherence Tomography Images
using Deep Learning
- arxiv url: http://arxiv.org/abs/2001.08480v1
- Date: Thu, 23 Jan 2020 12:55:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 13:23:32.020383
- Title: Segmentation of Retinal Low-Cost Optical Coherence Tomography Images
using Deep Learning
- Title（参考訳）: 深層学習による網膜低コスト光コヒーレンス断層像のセグメンテーション
- Authors: Timo Kepp, Helge Sudkamp, Claus von der Burchard, Hendrik Schenke,
Peter Koch, Gereon H\"uttmann, Johann Roider, Mattias P. Heinrich, and Heinz
Handels
- Abstract要約: 治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。
現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。
ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
- 参考スコア（独自算出の注目度）: 2.571523045125397
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The treatment of age-related macular degeneration (AMD) requires continuous
eye exams using optical coherence tomography (OCT). The need for treatment is
determined by the presence or change of disease-specific OCT-based biomarkers.
Therefore, the monitoring frequency has a significant influence on the success
of AMD therapy. However, the monitoring frequency of current treatment schemes
is not individually adapted to the patient and therefore often insufficient.
While a higher monitoring frequency would have a positive effect on the success
of treatment, in practice it can only be achieved with a home monitoring
solution. One of the key requirements of a home monitoring OCT system is a
computer-aided diagnosis to automatically detect and quantify pathological
changes using specific OCT-based biomarkers. In this paper, for the first time,
retinal scans of a novel self-examination low-cost full-field OCT (SELF-OCT)
are segmented using a deep learning-based approach. A convolutional neural
network (CNN) is utilized to segment the total retina as well as pigment
epithelial detachments (PED). It is shown that the CNN-based approach can
segment the retina with high accuracy, whereas the segmentation of the PED
proves to be challenging. In addition, a convolutional denoising autoencoder
(CDAE) refines the CNN prediction, which has previously learned retinal shape
information. It is shown that the CDAE refinement can correct segmentation
errors caused by artifacts in the OCT image.
- Abstract（参考訳）: 加齢黄斑変性 (amd) の治療には, 光コヒーレンストモグラフィ (oct) を用いた連続点眼検査が必要である。
治療の必要性は、疾患特異的OCTベースのバイオマーカーの存在または変化によって決定される。
したがって,amd療法の成功には監視頻度が大きな影響を与えている。
しかし、現在の治療計画の監視頻度は患者に個別に適応せず、しばしば不十分である。
高い監視頻度は治療の成功にプラスの影響を与えるが、実際にはホームモニタリングソリューションでのみ達成できる。
ホームモニタリングOCTシステムの重要な要件の1つは、特定のOCTベースのバイオマーカーを用いて病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
本稿では,新しい自己検査用低コストフルフィールドCT(SELF-OCT)の網膜スキャンを,深層学習に基づくアプローチを用いて初めて分割する。
畳み込みニューラルネットワーク(CNN)を用いて全網膜と色素上皮剥離(PED)を分割する。
CNNベースのアプローチでは網膜を高精度に分割できるが、PEDのセグメンテーションは困難であることが示されている。
さらに、畳み込み復号化オートエンコーダ(CDAE)は、以前に網膜形状情報を学んだCNN予測を洗練させる。
OCT画像中のアーティファクトによるセグメンテーション誤差を補正できることが示されている。
関連論文リスト
- Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - A Spatiotemporal Model for Precise and Efficient Fully-automatic 3D
Motion Correction in OCT [10.550562752812894]
OCT機器は網膜を横断する焦点スポットをバイスキャンし、断面画像を取得してデータを生成する。
非剛性で歪んだ歪みが発生し、データのギャップが生じる。
本稿では,新しい歪みモデルとそれに対応する完全自動参照フリーな計算ロバスト性最適化戦略を提案する。
論文 参考訳（メタデータ） (2022-09-15T11:48:53Z) - Automatic Detection of Microaneurysms in OCT Images Using Bag of
Features [8.777674946755717]
糖尿病による糖尿病網膜症(DR)は網膜血管の変化によって発生し、視覚障害を引き起こす。
Microaneurysms (MAs) はDRの早期臨床症状であり、時間的診断はDRの発達の初期段階における検出に有効である。
本研究は, DR患者20名を対象に, FA画像とOCT画像から収集したデータセットを用いて行った。
論文 参考訳（メタデータ） (2022-05-10T06:43:01Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Automatic Segmentation of the Optic Nerve Head Region in Optical
Coherence Tomography: A Methodological Review [4.777796444711511]
視神経頭は、視神経(ONH)の眼内部分を表す。
光コヒーレンストモグラフィーの出現により、新しい視神経頭部パラメータの評価が可能となった。
ディープラーニングに基づくアルゴリズムは、ONHの異なる構造を分割する上で、最高の精度、感度、特異性を提供する。
論文 参考訳（メタデータ） (2021-09-06T09:45:57Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Automatic Segmentation of Gross Target Volume of Nasopharynx Cancer
using Ensemble of Multiscale Deep Neural Networks with Spatial Attention [2.204996105506197]
平面内分解能と平面内分解能の差に対処する2.5次元畳み込みニューラルネットワーク(CNN)を提案する。
また,ネットワークが小さなターゲットにフォーカスできる空間的アテンションモジュールを提案し,チャネルアテンションを用いてセグメンテーション性能をさらに向上する。
論文 参考訳（メタデータ） (2021-01-27T08:20:49Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。