論文の概要: Leveraging Regular Fundus Images for Training UWF Fundus Diagnosis
Models via Adversarial Learning and Pseudo-Labeling
- arxiv url: http://arxiv.org/abs/2011.13816v2
- Date: Tue, 2 Feb 2021 03:38:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 02:21:52.145931
- Title: Leveraging Regular Fundus Images for Training UWF Fundus Diagnosis
Models via Adversarial Learning and Pseudo-Labeling
- Title（参考訳）: 逆学習と擬似ラベリングによるUWFファウンダス診断モデルの訓練のための正規ファウンダス画像の活用
- Authors: Lie Ju, Xin Wang, Xin Zhao, Paul Bonnington, Tom Drummond, Zongyuan Ge
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 29.009663623719064
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, ultra-widefield (UWF) 200\degree~fundus imaging by Optos cameras
has gradually been introduced because of its broader insights for detecting
more information on the fundus than regular 30 degree - 60 degree fundus
cameras. Compared with UWF fundus images, regular fundus images contain a large
amount of high-quality and well-annotated data. Due to the domain gap, models
trained by regular fundus images to recognize UWF fundus images perform poorly.
Hence, given that annotating medical data is labor intensive and time
consuming, in this paper, we explore how to leverage regular fundus images to
improve the limited UWF fundus data and annotations for more efficient
training. We propose the use of a modified cycle generative adversarial network
(CycleGAN) model to bridge the gap between regular and UWF fundus and generate
additional UWF fundus images for training. A consistency regularization term is
proposed in the loss of the GAN to improve and regulate the quality of the
generated data. Our method does not require that images from the two domains be
paired or even that the semantic labels be the same, which provides great
convenience for data collection. Furthermore, we show that our method is robust
to noise and errors introduced by the generated unlabeled data with the
pseudo-labeling technique. We evaluated the effectiveness of our methods on
several common fundus diseases and tasks, such as diabetic retinopathy (DR)
classification, lesion detection and tessellated fundus segmentation. The
experimental results demonstrate that our proposed method simultaneously
achieves superior generalizability of the learned representations and
performance improvements in multiple tasks.
- Abstract（参考訳）: 近年,光学系カメラによる超広視野(uwf)200-fundusイメージングが,通常の30度-60度ファンダスカメラよりも広い視野でファンダスに関する情報を検出できるため,徐々に導入されている。
uwf の fundus 画像と比較すると、通常の fundus 画像には大量の高品質な注釈付きデータが含まれている。
ドメインギャップのため、通常の眼底画像で訓練されたモデルでは、uff眼底画像の認識性能が低下する。
そこで,本論文では,医療データの注釈付けが労働集約的かつ時間を要することを考慮し,より効率的なトレーニングのために,UWFファウンダスデータとアノテーションの限定的改善のために,通常のファウンダス画像を活用する方法について検討する。
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,修正サイクル生成敵ネットワーク(CycleGAN)モデルを提案する。
生成したデータの品質を改善し,調整するために,GANの喪失時に一貫性正則化項を提案する。
提案手法では,2つのドメインのイメージをペアにしたり,セマンティックラベルを同一にしたりする必要がなく,データ収集に非常に便利である。
さらに,提案手法は擬似ラベル方式で生成したラベルなしデータによる雑音や誤差に対して頑健であることを示す。
糖尿病性網膜症 (DR) 分類, 病変検出, 下顎骨切開術など, 一般的な基礎疾患や課題に対する方法の有効性を検討した。
実験の結果,提案手法は複数のタスクにおいて,学習表現の優れた一般化性と性能向上を同時に達成できることが判明した。
関連論文リスト
- 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) - A Generic Fundus Image Enhancement Network Boosted by Frequency
Self-supervised Representation Learning [34.47229102825849]
ファンドス画像強調ネットワーク(GFE-Net)は、監視や余分なデータなしで、未知のファンドス画像を堅牢に補正するために開発された。
GFE-Netは、データ依存、パフォーマンスの向上、デプロイメント効率、スケールの一般化性において、優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-09-02T09:51:30Z) - 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) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - 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) - Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。
実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文 参考訳（メタデータ） (2021-11-27T12:12:57Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - 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) - Bridge the Domain Gap Between Ultra-wide-field and Traditional Fundus
Images via Adversarial Domain Adaptation [38.697737290155715]
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。
論文 参考訳（メタデータ） (2020-03-23T01:31:39Z)
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。