論文の概要: Corneal Pachymetry by AS-OCT after Descemet's Membrane Endothelial
Keratoplasty
- arxiv url: http://arxiv.org/abs/2102.07846v1
- Date: Mon, 15 Feb 2021 20:56:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 14:58:17.202199
- Title: Corneal Pachymetry by AS-OCT after Descemet's Membrane Endothelial
Keratoplasty
- Title（参考訳）: Descemet膜内皮形成術後のAS-OCTによる角膜パキメトリー
- Authors: Friso G. Heslinga, Ruben T. Lucassen, Myrthe A. van den Berg, Luuk van
der Hoek, Josien P.W. Pluim, Javier Cabrerizo, Mark Alberti, Mitko Veta
- Abstract要約: 角膜厚 (pachymetry) マップは角膜内皮機能の回復をモニターするために用いられる。
深層学習は角膜界面を自動的にデライン化し、角膜厚を測定するために用いられる。
- 参考スコア（独自算出の注目度）: 4.2746930004446275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Corneal thickness (pachymetry) maps can be used to monitor restoration of
corneal endothelial function, for example after Descemet's membrane endothelial
keratoplasty (DMEK). Automated delineation of the corneal interfaces in
anterior segment optical coherence tomography (AS-OCT) can be challenging for
corneas that are irregularly shaped due to pathology, or as a consequence of
surgery, leading to incorrect thickness measurements. In this research, deep
learning is used to automatically delineate the corneal interfaces and measure
corneal thickness with high accuracy in post-DMEK AS-OCT B-scans. Three
different deep learning strategies were developed based on 960 B-scans from 68
patients. On an independent test set of 320 B-scans, corneal thickness could be
measured with an error of 13.98 to 15.50 micrometer for the central 9 mm range,
which is less than 3% of the average corneal thickness. The accurate thickness
measurements were used to construct detailed pachymetry maps. Moreover,
follow-up scans could be registered based on anatomical landmarks to obtain
differential pachymetry maps. These maps may enable a more comprehensive
understanding of the restoration of the endothelial function after DMEK, where
thickness often varies throughout different regions of the cornea, and
subsequently contribute to a standardized postoperative regime.
- Abstract（参考訳）: 角膜厚 (pachymetry) マップは、例えばデスセメット膜内皮角膜移植(DMEK)後の角膜内皮機能の回復を監視するために用いられる。
前部セグメント光コヒーレンス断層撮影(as-oct)における角膜界面の自動デライン化は、病理学による不規則な形状の角膜や手術の結果、不正確な厚み測定につながる可能性がある。
本研究では,ポストdmek as-oct b-scans において,角膜界面の自動同定と角膜厚測定に深層学習が用いられている。
68例のBスキャン960例に基づいて3つの異なる深層学習戦略を開発した。
320bスキャンの独立したテストセットでは、中央9mmの範囲で13.98マイクロメートルから15.50マイクロメートルの誤差で角膜厚の測定が可能であり、平均角膜厚の3%未満である。
正確な厚み測定は詳細なパキメトリーマップの作成に用いられた。
さらに、解剖学的ランドマークに基づいてフォローアップスキャンを登録し、差分pachymetryマップを得ることができます。
これらの地図は、角膜の異なる領域で厚さが頻繁に変化するDMEK後の内皮機能の回復をより包括的に理解することができ、その後、標準化された術後体制に寄与する可能性がある。
関連論文リスト
- Automatic Diagnosis of Carotid Atherosclerosis Using a Portable Freehand
3D Ultrasound Imaging System [9.598494620153609]
本研究の目的は,携帯型フリーハンド3D超音波(US)イメージングシステムを用いて,頸動脈硬化の深層学習に基づく診断・診断技術を開発することである。
合計127個の頸動脈データセットを携帯型3DUS画像システムを用いて取得した。
論文 参考訳（メタデータ） (2023-01-08T17:35:36Z) - Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma?
An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。
分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。
これにより3次元広視野CTスキャンが主流となる可能性がある。
論文 参考訳（メタデータ） (2022-10-13T01:51:29Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - Automatic Detection of Microaneurysms in OCT Images Using Bag of
Features [8.777674946755717]
糖尿病による糖尿病網膜症(DR)は網膜血管の変化によって発生し、視覚障害を引き起こす。
Microaneurysms (MAs) はDRの早期臨床症状であり、時間的診断はDRの発達の初期段階における検出に有効である。
本研究は, DR患者20名を対象に, FA画像とOCT画像から収集したデータセットを用いて行った。
論文 参考訳（メタデータ） (2022-05-10T06:43:01Z) - Automated analysis of fibrous cap in intravascular optical coherence
tomography images of coronary arteries [0.0]
血栓症や急性冠症候群の危険因子として, 薄いキャップ型線維化細胞腫 (TCFA) とプラーク破裂が認められている。
血管内光コヒーレンストモグラフィー(IV OCT)は,TCFAを同定し,キャップ厚を評価し,プラークの脆弱性を評価する機会を与える。
われわれは,IV OCT画像における脂肪性プラークの検出と線維性キャップ厚の評価を自動で行う方法を開発した。
論文 参考訳（メタデータ） (2022-04-21T15:15:23Z) - 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) - Geometric Deep Learning to Identify the Critical 3D Structural Features
of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。
我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。
幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文 参考訳（メタデータ） (2022-04-14T12:52:10Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳（メタデータ） (2020-11-10T09:27:56Z) - Quantifying Graft Detachment after Descemet's Membrane Endothelial
Keratoplasty with Deep Convolutional Neural Networks [4.638586478570428]
われわれは,Descemet膜内皮角膜形成術(DMEK)後に自動的に剥離を検出・移植する方法を,AS-OCTスキャンで開発した。
深層学習パイプラインは, 硬化部を局在させ, AS-OCT Bスキャンを中心とし, 剥離した移植片を分割するために開発された。
論文 参考訳（メタデータ） (2020-04-24T08:01:01Z) - Using a Generative Adversarial Network for CT Normalization and its
Impact on Radiomic Features [3.4548443472506194]
放射線学的特徴は、線量レベルとスライス厚さの違いによる取得の違いに敏感である。
減線量,厚みスライス (2.0mm) 画像を正常線量 (100%) , 薄いスライス (1.0mm) 画像に正規化するために, GAN (3D Generative Adversarial Network) を用いた。
論文 参考訳（メタデータ） (2020-01-22T23:41:29Z)
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。