論文の概要: Automated segmentation of retinal fluid volumes from structural and
angiographic optical coherence tomography using deep learning
- arxiv url: http://arxiv.org/abs/2006.02569v1
- Date: Wed, 3 Jun 2020 22:55:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 18:29:41.957995
- Title: Automated segmentation of retinal fluid volumes from structural and
angiographic optical coherence tomography using deep learning
- Title（参考訳）: 深層学習を用いた構造および血管造影光コヒーレンストモグラフィによる網膜液量の自動分画
- Authors: Yukun Guo, Tristan T. Hormel, Honglian Xiong, Jie Wang, Thomas S.
Hwang, Yali Jia
- Abstract要約: 我々は,光コヒーレンストモグラフィー(OCT)ボリュームで網膜液を分画するための,網膜流体ネットワーク(ReF-Net)と呼ばれる深部畳み込みニューラルネットワーク(CNN)を提案した。
ReF-Netの訓練と試験には断面CTと血管造影(OCTA)スキャンが用いられた。
ReF-Netは網膜液分画において高い精度(F1 = 0.864 +/-0.084)を示す。
- 参考スコア（独自算出の注目度）: 2.041049231600541
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: We proposed a deep convolutional neural network (CNN), named Retinal
Fluid Segmentation Network (ReF-Net) to segment volumetric retinal fluid on
optical coherence tomography (OCT) volume. Methods: 3 x 3-mm OCT scans were
acquired on one eye by a 70-kHz OCT commercial AngioVue system (RTVue-XR;
Optovue, Inc.) from 51 participants in a clinical diabetic retinopathy (DR)
study (45 with retinal edema and 6 healthy controls). A CNN with U-Net-like
architecture was constructed to detect and segment the retinal fluid.
Cross-sectional OCT and angiography (OCTA) scans were used for training and
testing ReF-Net. The effect of including OCTA data for retinal fluid
segmentation was investigated in this study. Volumetric retinal fluid can be
constructed using the output of ReF-Net.
Area-under-Receiver-Operating-Characteristic-curve (AROC),
intersection-over-union (IoU), and F1-score were calculated to evaluate the
performance of ReF-Net. Results: ReF-Net shows high accuracy (F1 = 0.864 +/-
0.084) in retinal fluid segmentation. The performance can be further improved
(F1 = 0.892 +/- 0.038) by including information from both OCTA and structural
OCT. ReF-Net also shows strong robustness to shadow artifacts. Volumetric
retinal fluid can provide more comprehensive information than the 2D area,
whether cross-sectional or en face projections. Conclusions: A
deep-learning-based method can accurately segment retinal fluid volumetrically
on OCT/OCTA scans with strong robustness to shadow artifacts. OCTA data can
improve retinal fluid segmentation. Volumetric representations of retinal fluid
are superior to 2D projections. Translational Relevance: Using a deep learning
method to segment retinal fluid volumetrically has the potential to improve the
diagnostic accuracy of diabetic macular edema by OCT systems.
- Abstract（参考訳）: 目的:光コヒーレンストモグラフィ(oct)ボリュームで体積性網膜液をセグメント化する網膜流体セグメンテーションネットワーク(ref-net)という深層畳み込みニューラルネットワーク(cnn)を提案した。
方法: 臨床糖尿病網膜症(DR)研究51名(網膜浮腫45例,健常6例)から70kHz OCT商用アンジオビューシステム(RTVue-XR; Optovue, Inc.)を用いて3×3mm OCTスキャンを片眼で取得した。
U-Netのような構造を持つCNNが構築され、網膜液の検出と分画が行われた。
ReF-Netの訓練と試験には断面CTと血管造影(OCTA)スキャンが用いられた。
本研究では,OCTAデータを含む網膜液分画の影響について検討した。
容積網膜液はReF-Netの出力を用いて構築することができる。
エリア・アンダー・レシーバー・オペレーティング・キャラクタリスティック・カーブ(AROC), 交差点・オーバー・ユニオン(IoU), F1スコアを算出し, ReF-Netの性能評価を行った。
結果: ReF-Netは網膜液分画において高い精度(F1 = 0.864 +/0.084)を示した。
F1 = 0.892 +/- 0.038) はOCTAと構造OCTの両方からの情報を含むことでさらに改善できる。
ReF-Netはまた、シャドーアーティファクトに対して強い堅牢性を示している。
容積網膜液は2次元領域よりも包括的な情報を提供することができる。
結論: 深層学習に基づく手法では,OCT/OCTAスキャンで網膜液を定量的に分画することができる。
OCTAデータは網膜流体セグメンテーションを改善することができる。
網膜液の体積表現は2次元投影よりも優れている。
翻訳関連性: 深層学習法を用いて網膜液を体積的に分画し, OCTシステムによる糖尿病性黄斑浮腫の診断精度を向上させる可能性がある。
関連論文リスト
- EyeLS: Shadow-Guided Instrument Landing System for Intraocular Target
Approaching in Robotic Eye Surgery [51.05595735405451]
ロボット眼科手術(Robotic Ophthalmic surgery)は、網膜下注入における網膜侵入や網膜剥離における浮動組織の除去など、高精度な介入を促進する新しい技術である。
現在の画像に基づく手法では、針先端の軌跡を網膜と浮動標的の両方に向けて効果的に推定することはできない。
本研究では,ターゲットの影位置と楽器先端を用いて相対的な深度位置を推定する。
手術シミュレータでは, 平均深度0.0127mm, 平均深度0.3473mm, 平均深度0.0127mm, 平均深度0.3473mmを目標とした。
論文 参考訳（メタデータ） (2023-11-15T09:11:37Z) - RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation [58.618797429661754]
本稿では,網膜血管分割に特化して,回転・スケール同値なフーリエパラメータ化畳み込み(RSF-Conv)を提案する。
一般的なモジュールとして、RCF-Convはプラグイン・アンド・プレイ方式で既存のネットワークに統合できる。
RSF-Convの有効性を示すため,RSF-Conv+U-NetとRCF-Conv+Iter-Netを網膜動脈・静脈の分類に適用した。
論文 参考訳（メタデータ） (2023-09-27T13:14:57Z) - LMBiS-Net: A Lightweight Multipath Bidirectional Skip Connection based
CNN for Retinal Blood Vessel Segmentation [0.0]
ブラディングアイの病気は、しばしば変化した網膜形態と相関し、眼底画像の網膜構造をセグメント化することによって臨床的に識別できる。
深層学習は、医用画像のセグメンテーションにおいて有望であるが、反復的な畳み込みとプール操作への依存は、エッジ情報の表現を妨げる可能性がある。
LMBiS-Net と呼ばれる軽量な画素レベルのCNNを網膜血管のセグメンテーションのために提案する。
論文 参考訳（メタデータ） (2023-09-10T09:03:53Z) - 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) - nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and
Generalisation over Variations of Data Sources [25.095695898777656]
我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。
このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。
実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2023-02-25T23:47:23Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional
Network for Retinal OCT Fluid Segmentation [3.57686754209902]
OCTガイド下治療には網膜液の定量化が必要である。
RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。
モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
論文 参考訳（メタデータ） (2022-09-26T07:18:00Z) - Medical Application of Geometric Deep Learning for the Diagnosis of
Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。
全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。
ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文 参考訳（メタデータ） (2022-04-14T14:55:25Z) - Transfer Learning Through Weighted Loss Function and Group Normalization
for Vessel Segmentation from Retinal Images [0.0]
血管の血管構造は緑内障や糖尿病網膜症などの網膜疾患の診断に重要である。
深層学習とトランスファー学習を併用した網膜血管のセグメンテーション手法を提案する。
提案手法は,他の手法よりもセグメンテーション精度が高い。
論文 参考訳（メタデータ） (2020-12-16T20:34:48Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - Microvasculature Segmentation and Inter-capillary Area Quantification of
the Deep Vascular Complex using Transfer Learning [0.0]
畳み込みニューラルネットワーク(CNN)を用いて表面表層血管複合体と深部血管叢の正確なセグメンテーションを定量的に検討した。
異なる OCT システムを用いて取得した SCP の小さい FOV から 76 個の画像で訓練した CNN からの移動学習を応用した。
論文 参考訳（メタデータ） (2020-03-19T22:27:02Z)
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。