論文の概要: Towards Label-Free 3D Segmentation of Optical Coherence Tomography
Images of the Optic Nerve Head Using Deep Learning
- arxiv url: http://arxiv.org/abs/2002.09635v1
- Date: Sat, 22 Feb 2020 05:41:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 19:09:41.280476
- Title: Towards Label-Free 3D Segmentation of Optical Coherence Tomography
Images of the Optic Nerve Head Using Deep Learning
- Title(参考訳): 深層学習を用いた視神経の光コヒーレンス・トモグラフィー画像のラベルフリー3次元分割に向けて
- Authors: Sripad Krishna Devalla, Tan Hung Pham, Satish Kumar Panda, Liang
Zhang, Giridhar Subramanian, Anirudh Swaminathan, Chin Zhi Yun, Mohan Rajan,
Sujatha Mohan, Ramaswami Krishnadas, Vijayalakshmi Senthil, John Mark S. de
Leon, Tin A. Tun, Ching-Yu Cheng, Leopold Schmetterer, Shamira Perera, Tin
Aung, Alexandre H. Thiery, Michael J. A. Girard
- Abstract要約: 我々は,OCTデバイス間でラベルフリーで容易に翻訳可能な3Dセグメンテーションフレームワークを提案する。
最初の(エンハンサーとして参照)は、OCT画像の品質を3つのOCTデバイスから向上し、これらのデバイス間で調和した画像特性を実現した。
セグメンテーションネットワークでは,エンハンサーの使用がデバイス依存の達成に不可欠であることが判明した。
- 参考スコア(独自算出の注目度): 40.918730586535766
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the introduction of optical coherence tomography (OCT), it has been
possible to study the complex 3D morphological changes of the optic nerve head
(ONH) tissues that occur along with the progression of glaucoma. Although
several deep learning (DL) techniques have been recently proposed for the
automated extraction (segmentation) and quantification of these morphological
changes, the device specific nature and the difficulty in preparing manual
segmentations (training data) limit their clinical adoption. With several new
manufacturers and next-generation OCT devices entering the market, the
complexity in deploying DL algorithms clinically is only increasing. To address
this, we propose a DL based 3D segmentation framework that is easily
translatable across OCT devices in a label-free manner (i.e. without the need
to manually re-segment data for each device). Specifically, we developed 2 sets
of DL networks. The first (referred to as the enhancer) was able to enhance OCT
image quality from 3 OCT devices, and harmonized image-characteristics across
these devices. The second performed 3D segmentation of 6 important ONH tissue
layers. We found that the use of the enhancer was critical for our segmentation
network to achieve device independency. In other words, our 3D segmentation
network trained on any of 3 devices successfully segmented ONH tissue layers
from the other two devices with high performance (Dice coefficients > 0.92).
With such an approach, we could automatically segment images from new OCT
devices without ever needing manual segmentation data from such devices.
- Abstract(参考訳): 光コヒーレンストモグラフィー(OCT)の導入以来、緑内障の進行とともに発生する視神経頭(ONH)組織の複雑な3次元形態変化を研究することが可能である。
近年,これらの形態変化の自動抽出(セグメンテーション)と定量化のためにいくつかの深層学習(DL)技術が提案されているが,デバイス固有の性質と手動セグメンテーション(トレーニングデータ)作成の難しさは臨床応用を制限している。
いくつかの新しいメーカーと次世代octデバイスが市場に参入するにつれ、dlアルゴリズムを臨床で展開する複雑さは増大している。
そこで本研究では,ラベルフリーでOCTデバイス間で簡単に変換可能なDLベースの3Dセグメンテーションフレームワークを提案する。
具体的には,dlネットワークを2セット開発した。
最初の(エンハンサーとして参照)は、OCT画像の品質を3つのOCTデバイスから向上し、これらのデバイス間で調和した画像特性を実現した。
2回目は, onh組織6層からなる3次元セグメンテーションを行った。
セグメンテーションネットワークでは,エンハンサーの使用がデバイス依存の達成に不可欠であることが判明した。
言い換えれば、我々の3Dセグメンテーションネットワークは、他の2つのデバイスからOnH組織層を高い性能で分割することに成功した(Dice coefficient > 0.92)。
このようなアプローチにより、手動による分割データを必要とせずに、新しいOCTデバイスから自動的に画像を切り離すことができる。
関連論文リスト
- Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。
提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
論文 参考訳(メタデータ) (2024-04-25T05:42:41Z) - SwinVFTR: A Novel Volumetric Feature-learning Transformer for 3D OCT
Fluid Segmentation [0.0]
3DボリュームCT画像の精密な流体分割のためのトランスフォーマーベースアーキテクチャであるSwinVFTRを提案する。
まず、チャネルワイドボリュームサンプリングを用いて、深さの異なるOCTボリュームのトレーニングを行う(Bスキャン)。
次に、エンコーダ内の新しいシフトウインドウトランスフォーマーブロックを使用して、流体領域のより優れたローカライゼーションとセグメンテーションを実現する。
論文 参考訳(メタデータ) (2023-03-16T11:16:02Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T09:43:19Z) - Dynamic Linear Transformer for 3D Biomedical Image Segmentation [2.440109381823186]
トランスフォーマーベースのニューラルネットワークは、多くのバイオメディカルイメージセグメンテーションタスクにおいて、有望なパフォーマンスを上回っている。
3次元トランスを用いた分割法の主な課題は、自己認識機構によって引き起こされる二次的複雑性である。
本稿では,エンコーダ・デコーダ方式の線形複雑化を用いた3次元医用画像分割のためのトランスフォーマアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-06-01T21:15:01Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Multi-organ Segmentation Network with Adversarial Performance Validator [10.775440368500416]
本稿では,2次元から3次元のセグメンテーションフレームワークに対向的な性能検証ネットワークを導入する。
提案したネットワークは, 2次元粗い結果から3次元高品質なセグメンテーションマスクへの変換を行い, 共同最適化によりセグメンテーション精度が向上する。
NIH膵分節データセットの実験では、提案したネットワークが小臓器分節の最先端の精度を達成し、過去の最高性能を上回った。
論文 参考訳(メタデータ) (2022-04-16T18:00:29Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳(メタデータ) (2022-03-01T17:08:41Z) - Atrous Residual Interconnected Encoder to Attention Decoder Framework
for Vertebrae Segmentation via 3D Volumetric CT Images [1.8146155083014204]
本稿では,3次元容積CT画像を用いた新しい椎骨分割法を提案する。
提案モデルは,ミニバッチトレーニング性能の最適化にレイヤ正規化を用いた,エンコーダからデコーダへの構造に基づく。
実験の結果,本モデルは他の医学的意味セグメンテーション法と比較して競争力が得られた。
論文 参考訳(メタデータ) (2021-04-08T12:09:16Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳(メタデータ) (2020-10-19T13:56:22Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳(メタデータ) (2020-06-25T21:10:04Z)
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。