論文の概要: Transfer Learning Through Weighted Loss Function and Group Normalization
for Vessel Segmentation from Retinal Images
- arxiv url: http://arxiv.org/abs/2012.09250v1
- Date: Wed, 16 Dec 2020 20:34:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 03:02:32.545370
- Title: Transfer Learning Through Weighted Loss Function and Group Normalization
for Vessel Segmentation from Retinal Images
- Title（参考訳）: 網膜画像からの血管分割のための重み付き損失関数と群正規化による伝達学習
- Authors: Abdullah Sarhan, Jon Rokne, Reda Alhajj, and Andrew Crichton
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The vascular structure of blood vessels is important in diagnosing retinal
conditions such as glaucoma and diabetic retinopathy. Accurate segmentation of
these vessels can help in detecting retinal objects such as the optic disc and
optic cup and hence determine if there are damages to these areas. Moreover,
the structure of the vessels can help in diagnosing glaucoma. The rapid
development of digital imaging and computer-vision techniques has increased the
potential for developing approaches for segmenting retinal vessels. In this
paper, we propose an approach for segmenting retinal vessels that uses deep
learning along with transfer learning. We adapted the U-Net structure to use a
customized InceptionV3 as the encoder and used multiple skip connections to
form the decoder. Moreover, we used a weighted loss function to handle the
issue of class imbalance in retinal images. Furthermore, we contributed a new
dataset to this field. We tested our approach on six publicly available
datasets and a newly created dataset. We achieved an average accuracy of 95.60%
and a Dice coefficient of 80.98%. The results obtained from comprehensive
experiments demonstrate the robustness of our approach to the segmentation of
blood vessels in retinal images obtained from different sources. Our approach
results in greater segmentation accuracy than other approaches.
- Abstract（参考訳）: 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。
これらの血管の正確なセグメンテーションは、光学ディスクや光学カップのような網膜の物体の検出に役立ち、これらの領域に損傷があるかどうかを決定する。
また,血管構造は緑内障の診断に有用である。
デジタルイメージングとコンピュータビジョン技術の急速な発展は、網膜血管を分割するアプローチを開発する可能性を高めた。
本稿では,深層学習と伝達学習を併用した網膜血管の分節化手法を提案する。
我々は、U-Net構造をエンコーダとしてカスタマイズしたInceptionV3を使い、複数のスキップ接続を使ってデコーダを作った。
さらに,網膜画像におけるクラス不均衡の問題に対処するために重み付き損失関数を用いた。
さらに,この分野に新たなデータセットを寄贈した。
私たちは6つの公開データセットと新しく作成されたデータセットでこのアプローチをテストしました。
平均精度は95.60%、サイス係数は80.98%であった。
総合的な実験から得られた結果は、異なるソースから得られた網膜画像における血管の分画に対する我々のアプローチの堅牢性を示している。
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。
関連論文リスト
- 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) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳（メタデータ） (2022-04-26T14:20:26Z) - Parametric Scaling of Preprocessing assisted U-net Architecture for
Improvised Retinal Vessel Segmentation [1.3869502085838448]
本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。
ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
論文 参考訳（メタデータ） (2022-03-18T15:26:05Z) - SPNet: A novel deep neural network for retinal vessel segmentation based
on shared decoder and pyramid-like loss [13.021014899410684]
畳み込みニューラルネットワークは 血管構造を抽出する 重要な能力を示した
本稿では,共有デコーダとピラミッド様損失に基づく網膜血管セグメンテーションのための新しいディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-02-19T03:44:34Z) - An Analysis of the Influence of Transfer Learning When Measuring the
Tortuosity of Blood Vessels [0.7646713951724011]
畳み込みニューラルネットワーク(CNN)は血管のセグメンテーションに関して優れた結果をもたらすことが示されている。
しかし、事前トレーニングされたCNNが、トレーニングされていないデータセットに適用した場合、ダウンストリームタスクに対して堅牢で偏見のない結果を提供できるかどうかはまだ不明だ。
我々は,データセット上のスクラッチからトレーニングしたCNNが取得したトルチューシティ値が,異なるトルチューシティ統計を持つデータセット上で事前学習した微調整ネットワークのものと一致しないことを示す。
論文 参考訳（メタデータ） (2021-11-19T14:55:52Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Self-Supervised Learning from Unlabeled Fundus Photographs Improves
Segmentation of the Retina [4.815051667870375]
基礎撮影は網膜イメージングの第一の方法であり、糖尿病網膜症予防に必須である。
現在のセグメンテーション法は、実際の臨床応用に典型的な画像条件や病理の多様性に対して堅牢ではない。
コントラスト型自己教師型学習を用いて,EyePACSデータセットの多種多様な未ラベル画像を利用する。
論文 参考訳（メタデータ） (2021-08-05T18:02:56Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - Contextual Information Enhanced Convolutional Neural Networks for
Retinal Vessel Segmentation in Color Fundus Images [0.0]
自動網膜血管セグメンテーションシステムは、臨床診断及び眼科研究を効果的に促進することができる。
ディープラーニングベースの手法が提案され、いくつかのカスタマイズされたモジュールが有名なエンコーダデコーダアーキテクチャU-netに統合されている。
その結果,提案手法は先行技術よりも優れ,感性/リコール,F1スコア,MCCの最先端性能を実現している。
論文 参考訳（メタデータ） (2021-03-25T06:10:47Z) - 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)
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。