論文の概要: Fundus2Angio: A Conditional GAN Architecture for Generating Fluorescein
Angiography Images from Retinal Fundus Photography
- arxiv url: http://arxiv.org/abs/2005.05267v2
- Date: Tue, 29 Sep 2020 08:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 20:48:12.435657
- Title: Fundus2Angio: A Conditional GAN Architecture for Generating Fluorescein
Angiography Images from Retinal Fundus Photography
- Title（参考訳）: Fundus2Angio:網膜基底写真からフルオレセイン血管造影画像を生成するための条件付きGANアーキテクチャ
- Authors: Sharif Amit Kamran, Khondker Fariha Hossain, Alireza Tavakkoli,
Stewart Lee Zuckerbrod, Salah A. Baker, Kenton M. Sanders
- Abstract要約: フルオレセイン血管造影画像を生成する非侵襲的なシステムはない。
ファンドス撮影は、数秒で完了する非侵襲的なイメージング技術である。
本稿では,基礎画像からFA画像へ変換する条件付き生成対向ネットワーク(GAN)を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Carrying out clinical diagnosis of retinal vascular degeneration using
Fluorescein Angiography (FA) is a time consuming process and can pose
significant adverse effects on the patient. Angiography requires insertion of a
dye that may cause severe adverse effects and can even be fatal. Currently,
there are no non-invasive systems capable of generating Fluorescein Angiography
images. However, retinal fundus photography is a non-invasive imaging technique
that can be completed in a few seconds. In order to eliminate the need for FA,
we propose a conditional generative adversarial network (GAN) to translate
fundus images to FA images. The proposed GAN consists of a novel residual block
capable of generating high quality FA images. These images are important tools
in the differential diagnosis of retinal diseases without the need for invasive
procedure with possible side effects. Our experiments show that the proposed
architecture outperforms other state-of-the-art generative networks.
Furthermore, our proposed model achieves better qualitative results
indistinguishable from real angiograms.
- Abstract（参考訳）: Fluorescein Angiography (FA) を用いた網膜血管変性の臨床的診断は、時間を要するプロセスであり、患者に重大な副作用をもたらす可能性がある。
血管造影では、深刻な副作用を引き起こし、致命的になり得る染料を挿入する必要がある。
現在、Fluorescein Angiography画像を生成する非侵襲的なシステムはない。
しかし、網膜基底撮影は、数秒で完了できる非侵襲的なイメージング技術である。
FAの必要をなくすため,基礎画像からFA画像へ変換する条件付き生成対向ネットワーク(GAN)を提案する。
提案したGANは,高品質なFA画像を生成することができる新しい残差ブロックで構成されている。
これらの画像は、網膜疾患の鑑別診断において、副作用の可能性のある侵襲的な処置を必要としない重要なツールである。
実験の結果,提案アーキテクチャは他の最先端生成ネットワークよりも優れていることがわかった。
さらに,本モデルでは実際の血管造影と区別できない定性的な結果が得られる。
関連論文リスト
- 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) - 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) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法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） (2022-03-29T08:41:17Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - VTGAN: Semi-supervised Retinal Image Synthesis and Disease Prediction
using Vision Transformers [0.0]
Fluorescein Angiography(FA)では、注射された染料を血流に注入して網膜の血管構造を画像化します。
眼底イメージングは網膜の撮影に用いられる非侵襲的な技術であるが、その血管構造を撮影するのに十分な忠実性は持たない。
本稿では,眼底画像からFA画像を同時に合成し,網膜変性を予測できる新しい条件生成対向ネットワーク(GAN)を提案する。
論文 参考訳（メタデータ） (2021-04-14T10:32:36Z) - 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) - NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文 参考訳（メタデータ） (2020-08-07T04:31:33Z) - Attention2AngioGAN: Synthesizing Fluorescein Angiography from Retinal
Fundus Images using Generative Adversarial Networks [0.0]
フルオレセイン血管造影(Fluorescein Angiography, FA)は、Fundusの写真撮影に、励起フィルターとバリアフィルターを取り入れた指定カメラを用いる技術である。
FAはまた、静脈注射されるフルオレセイン色素を必要としており、吐き気、吐き気、さらに致命的なアナフィラキシーに悪影響を及ぼす可能性がある。
本稿では,Fundus画像からFluorescein Angiographyを合成できるアテンションベースの生成ネットワークを提案する。
論文 参考訳（メタデータ） (2020-07-17T18:58:44Z) - Generating Fundus Fluorescence Angiography Images from Structure Fundus
Images Using Generative Adversarial Networks [8.205917237367748]
フルオレセイン血管造影は網膜血管の構造と機能の地図を提供することができる。
医師が診断の潜在的なリスクを軽減するために、画像翻訳法が採用されている。
論文 参考訳（メタデータ） (2020-06-18T00:27:20Z) - 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。