論文の概要: Bridge the Domain Gap Between Ultra-wide-field and Traditional Fundus Images via Adversarial Domain Adaptation

• arxiv url: http://arxiv.org/abs/2003.10042v2
• Date: Tue, 24 Mar 2020 01:42:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 00:44:46.582570
• Title: Bridge the Domain Gap Between Ultra-wide-field and Traditional Fundus Images via Adversarial Domain Adaptation
• Title（参考訳）: 逆数領域適応による超広視野と伝統ファウンダス画像間の領域ギャップのブリッジ
• Authors: Lie Ju, Xin Wang, Quan Zhou, Hu Zhu, Mehrtash Harandi, Paul Bonnington, Tom Drummond, and Zongyuan Ge
• Abstract要約: オプトスカメラによる超広視野の眼底撮影は、眼底に関するより広い洞察のために徐々に使われるようになった。 従来の眼底画像の研究は活発な話題であるが、UWF眼底画像の研究はほとんどない。 本稿では,2つのドメイン間のドメインギャップを埋めるフレキシブルなフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 38.697737290155715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For decades, advances in retinal imaging technology have enabled effective diagnosis and management of retinal disease using fundus cameras. Recently, ultra-wide-field (UWF) fundus imaging by Optos camera is gradually put into use because of its broader insights on fundus for some lesions that are not typically seen in traditional fundus images. Research on traditional fundus images is an active topic but studies on UWF fundus images are few. One of the most important reasons is that UWF fundus images are hard to obtain. In this paper, for the first time, we explore domain adaptation from the traditional fundus to UWF fundus images. We propose a flexible framework to bridge the domain gap between two domains and co-train a UWF fundus diagnosis model by pseudo-labelling and adversarial learning. We design a regularisation technique to regulate the domain adaptation. Also, we apply MixUp to overcome the over-fitting issue from incorrect generated pseudo-labels. Our experimental results on either single or both domains demonstrate that the proposed method can well adapt and transfer the knowledge from traditional fundus images to UWF fundus images and improve the performance of retinal disease recognition.
• Abstract（参考訳）: 何十年もの間、網膜イメージング技術の進歩は、眼底カメラを用いた網膜疾患の効果的な診断と管理を可能にしてきた。 近年,optosカメラによる超広視野(uwf)眼底撮影は,従来の眼底画像では一般的に見られない病変に対して,眼底の広い知見が提供されつつある。 従来の眼底画像の研究は活発であるが、UWF眼底画像の研究はほとんどない。 最も重要な理由の1つは、uwf fundusの画像が入手が難しいことである。 本稿では,本研究で初めて,従来の眼底画像からuff眼底画像への領域適応について検討する。 本稿では,2つの領域間の領域間ギャップを橋渡しし,疑似ラベル学習と逆学習によるuwf眼底診断モデルの共同学習を行うための柔軟な枠組みを提案する。 ドメイン適応を規制するための正規化手法を設計する。 また,不正に生成された擬似ラベルのオーバーフィッティング問題を克服するためにmixupを適用した。 その結果,本手法は従来の眼底画像からの知識をuwf眼底画像に適応・伝達し,網膜疾患認識の性能を向上させることができることがわかった。

関連論文リスト

• Progressive Retinal Image Registration via Global and Local Deformable Transformations [49.032894312826244]
  我々はHybridRetinaと呼ばれるハイブリッド登録フレームワークを提案する。 キーポイント検出器とGAMorphと呼ばれる変形ネットワークを用いて、大域的な変換と局所的な変形可能な変換を推定する。 FIREとFLoRI21という2つの広く使われているデータセットの実験により、提案したHybridRetinaは最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-02T08:43:50Z)
• UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement [17.28459176559761]
  UWF-FA (UWF fluorescein angiography) は、患者の手や肘に注入して蛍光染料を投与する必要がある。 注射による潜在的な副作用を軽減するため、研究者はクロスモダリティ医療画像生成アルゴリズムの開発を提案した。 本稿では,UWF-SLOからUWF-FAを合成する条件生成対向ネットワーク(UWAFA-GAN)を提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:27:43Z)
• Source-free Active Domain Adaptation for Diabetic Retinopathy Grading Based on Ultra-wide-field Fundus Image [4.679304803181914]
  領域適応 (DA) は糖尿病性網膜症 (DR) に広く応用されている。 本稿では、DRグレーディング問題自体に取り組むために、新しいソースフリーアクティブドメイン適応(SFADA)を提案する。 提案したSFADAは最先端のDRグレーディング性能を実現し,精度を20.9%向上し,2次加重カッパを18.63%向上させた。
  論文  参考訳（メタデータ） (2023-09-19T13:52:06Z)
• UWAT-GAN: Fundus Fluorescein Angiography Synthesis via Ultra-wide-angle Transformation Multi-scale GAN [1.165405976310311]
  眼底写真は、眼底疾患の臨床的および鑑別診断に欠かせない検査である。 基礎画像の現在の方法では高解像度の画像が得られず、微小な血管病変領域を捉えることができなかった。 本稿では,UWF-SLOからUWF-FAを合成する条件付き生成対向ネットワーク(UWAT-GAN)を提案する。
  論文  参考訳（メタデータ） (2023-07-21T12:23:39Z)
• Supervised Domain Adaptation for Recognizing Retinal Diseases from Wide-Field Fundus Images [23.503104144297684]
  本稿では,広視野 (WF) と超広視野 (UWF) の眼底画像から複数の網膜疾患を認識するための課題について述べる。 クロスドメイン協調学習(CdCL)というドメイン適応手法を提案する。 教師なしドメイン適応における固定ベースのミックスアップの成功に触発されて、我々はこの戦略を現在のタスクに再活用する。
  論文  参考訳（メタデータ） (2023-05-14T05:57:11Z)
• GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
  グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。 この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。 緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
  論文  参考訳（メタデータ） (2022-02-14T06:54:15Z)
• PIT: Position-Invariant Transform for Cross-FoV Domain Adaptation [53.428312630479816]
  フィールド・オブ・ビュー(FoV)ギャップは、ソースとターゲットドメイン間の顕著なインスタンスの出現差を誘導する。 本研究では,異なる領域における画像の整合性を改善するために,textbfPosition-Invariant Transform (PIT)を提案する。
  論文  参考訳（メタデータ） (2021-08-16T15:16:47Z)
• Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using Vessel Image Reconstruction [61.58601145792065]
  我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。 私たちのアプローチは既存のドメイン戦略よりも優れています。
  論文  参考訳（メタデータ） (2021-07-20T09:44:07Z)
• Leveraging Regular Fundus Images for Training UWF Fundus Diagnosis Models via Adversarial Learning and Pseudo-Labeling [29.009663623719064]
  オプトスカメラによる超広視野(UWF)200度の基礎イメージングが徐々に導入されている。 正規の眼底画像は、大量の高品質な注釈付きデータを含んでいる。 ドメインギャップのため、UWFファウンス画像を認識するために、通常のファウンス画像によって訓練されたモデルは、性能が良くない。 本稿では,通常のUWFファウンダスとUWFファウンダスとのギャップを埋めるために,修正サイクル生成対逆ネットワーク(CycleGAN)モデルを提案する。
  論文  参考訳（メタデータ） (2020-11-27T16:25:30Z)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)

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。