論文の概要: Heightmap Reconstruction of Macula on Color Fundus Images Using
Conditional Generative Adversarial Networks
- arxiv url: http://arxiv.org/abs/2009.01601v4
- Date: Mon, 28 Dec 2020 07:27:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 08:03:31.793302
- Title: Heightmap Reconstruction of Macula on Color Fundus Images Using
Conditional Generative Adversarial Networks
- Title（参考訳）: 条件付き生成逆ネットワークを用いたカラーファウンダス画像上のマキュラの高度再構成
- Authors: Peyman Tahghighi, Reza A.Zoroofi, Sare Safi and Alireza Ramezani
- Abstract要約: 網膜診断における最も一般的なスクリーニングモダリティの1つである眼底画像は、その2D特性のため、この情報を欠いている。
そこで本研究では,一連のステップで細部を拡大するジェネレータのアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 5.419608513284394
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: For screening, 3D shape of the eye retina often provides structural
information and can assist ophthalmologists to diagnose diseases. However,
fundus images which are one the most common screening modalities for retina
diagnosis lack this information due to their 2D nature. Hence, in this work, we
try to infer about this 3D information or more specifically its heights. Recent
approaches have used shading information for reconstructing the heights but
their output is not accurate since the utilized information is not sufficient.
Additionally, other methods were dependent on the availability of more than one
image of the eye which is not available in practice. In this paper, motivated
by the success of Conditional Generative Adversarial Networks(cGANs) and deeply
supervised networks, we propose a novel architecture for the generator which
enhances the details in a sequence of steps. Comparisons on our dataset
illustrate that the proposed method outperforms all of the state-of-the-art
methods in image translation and medical image translation on this particular
task. Additionally, clinical studies also indicate that the proposed method can
provide additional information for ophthalmologists for diagnosis.
- Abstract（参考訳）: 網膜の3D形状は、しばしば構造情報を提供し、眼科医が病気の診断を助ける。
しかし、網膜の診断において最も一般的なスクリーニングモードである眼底画像は、その2dの性質からこの情報を欠いている。
したがって、本研究では、この3D情報や、より具体的には高さを推測しようと試みる。
近年,高所を再現するためにシェーディング情報を用いたが,その出力は十分ではないため正確ではない。
さらに、他の方法は、実際には利用できない複数の眼の画像の可用性に依存していた。
本稿では,条件付き生成型adversarial network (cgans) と深い教師付きネットワークの成功に動機づけられた,一連のステップにおける詳細化を実現するジェネレータのための新しいアーキテクチャを提案する。
比較の結果,提案手法は,画像の翻訳や医用画像の翻訳において最先端の手法を上回っていることが示された。
また,本手法は眼科医に診断のための追加情報を提供できることが示唆された。
関連論文リスト
- Autoregressive Sequence Modeling for 3D Medical Image Representation [48.706230961589924]
本稿では, 自己回帰シーケンス事前学習フレームワークを用いて, 3次元医用画像表現を学習するための先駆的手法を提案する。
我々は,空間的,コントラスト的,意味的相関に基づく様々な3次元医用画像にアプローチし,トークンシーケンス内の相互接続された視覚トークンとして扱う。
論文 参考訳（メタデータ） (2024-09-13T10:19:10Z) - 3D-MIR: A Benchmark and Empirical Study on 3D Medical Image Retrieval in
Radiology [6.851500027718433]
3D画像検索の分野はまだ発展途上であり、確立された評価ベンチマーク、包括的なデータセット、徹底的な研究が欠如している。
本稿では,3次元医用画像検索のための新しいベンチマーク(3D-MIR)を提案する。
このベンチマークを用いて,一般的なマルチモーダル基礎モデルの2次元スライス,3次元ボリューム,マルチモーダル埋め込みをクエリとして利用する,多様な検索戦略を探索する。
論文 参考訳（メタデータ） (2023-11-23T00:57:35Z) - SdCT-GAN: Reconstructing CT from Biplanar X-Rays with Self-driven
Generative Adversarial Networks [6.624839896733912]
本稿では,3次元CT画像の再構成のための自己駆動型生成対向ネットワークモデル(SdCT-GAN)を提案する。
識別器に新しいオートエンコーダ構造を導入することにより、画像の詳細により多くの注意を払っている。
LPIPS評価基準は,既存画像よりも微細な輪郭やテクスチャを定量的に評価できる。
論文 参考訳（メタデータ） (2023-09-10T08:16:02Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - Generation of Artificial CT Images using Patch-based Conditional
Generative Adversarial Networks [0.0]
本稿では,条件付き判別器を用いた生成対向ネットワークを用いた画像生成手法を提案する。
心電図(CT)画像におけるGAN強調医用画像生成の可能性について検討した。
論文 参考訳（メタデータ） (2022-05-19T20:29:25Z) - Explainable multiple abnormality classification of chest CT volumes with
AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。
本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。
そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文 参考訳（メタデータ） (2021-11-24T01:14:33Z) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳（メタデータ） (2021-01-12T23:02:26Z) - Analysis of Macula on Color Fundus Images Using Heightmap Reconstruction
Through Deep Learning [5.935761705025763]
段階的な改良と深い監督の活用によって出力の細部そして質を高める発電機のための新しいアーキテクチャを提案します。
提案手法は眼科医に診断のための追加情報を提供することができる。
論文 参考訳（メタデータ） (2020-12-28T08:21:55Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。