論文の概要: M-Net with Bidirectional ConvLSTM for Cup and Disc Segmentation in Fundus Images

• arxiv url: http://arxiv.org/abs/2104.03549v1
• Date: Thu, 8 Apr 2021 07:01:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-09 22:50:45.216070
• Title: M-Net with Bidirectional ConvLSTM for Cup and Disc Segmentation in Fundus Images
• Title（参考訳）: ファウンダス画像におけるカップとディスクセグメンテーションのための双方向 ConvLSTM を用いたM-Net
• Authors: Maleeha Khalid Khan (1) Syed Muhammad Anwar (2)
• Abstract要約: 緑内障は、光ファイバーを劣化させることが知られている重度の眼疾患であり、カップのサイズが増加します。 我々は,関節カップとディスクセグメンテーションに基づく双方向畳み込み長短期記憶(LSTM)を改良したM-Netを提案する。 提案したモデルでは,カップとディスクの比率の異常を観察できるカップとディスク領域を分割した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Glaucoma is a severe eye disease that is known to deteriorate optic never fibers, causing cup size to increase, which could result in permanent loss of vision. Glaucoma is the second leading cause of blindness after cataract, but glaucoma being more dangerous as it is not curable. Early diagnoses and treatment of glaucoma can help to slow the progression of glaucoma and its damages. For the detection of glaucoma, the Cup to Disc ratio (CDR) provides significant information. The CDR depends heavily on the accurate segmentation of cup and disc regions. In this paper, we have proposed a modified M-Net with bidirectional convolution long short-term memory (LSTM), based on joint cup and disc segmentation. The proposed network combines features of encoder and decoder, with bidirectional LSTM. Our proposed model segments cup and disc regions based on which the abnormalities in cup to disc ratio can be observed. The proposed model is tested on REFUGE2 data, where our model achieves a dice score of 0.92 for optic disc and an accuracy of 98.99% in segmenting cup and disc regions
• Abstract（参考訳）: 緑内障は眼疾患であり、光ファイバーを劣化させることが知られており、カップの大きさが増大し、視力の恒久的な喪失につながる可能性がある。 緑内障は白内障の2番目の原因であるが、緑内障は治療できないためより危険である。 緑内障の早期診断と治療は緑内障の進行と損傷を遅らせるのに役立つ。 緑内障の検出には、Cup to Disc ratio(CDR)が重要な情報を提供する。 CDRはカップ領域とディスク領域の正確なセグメンテーションに大きく依存する。 本稿では,共同カップとディスクセグメンテーションに基づく双方向畳み込み長短期メモリ(LSTM)を用いた改良型M-Netを提案する。 提案するネットワークは,エンコーダとデコーダの機能と双方向LSTMを組み合わせたものである。 提案モデルでは,カップ/ディスク比の異常を観測可能なカップ領域とディスク領域について検討した。 提案モデルは,本モデルが視ディスクのサイススコア 0.92 とセグメンテーションカップとディスク領域の精度 98.99% を達成している。

関連論文リスト

• Integrating Edge Information into Ground Truth for the Segmentation of the Optic Disc and Cup from Fundus Images [0.8437187555622164]
  この研究は、ラプラシアンフィルタを用いて光学ディスクとカップの両端を基底真理から抽出することを目的としている。 エッジは、光学ディスクカップ接地真実に加えて、エッジ接地真実を得るように再構成される。 著者らは、REFUGEベンチマークデータセットとDrishti-GSデータセットを使用して研究を行っている。
  論文  参考訳（メタデータ） (2024-08-09T13:18:50Z)
• EDDense-Net: Fully Dense Encoder Decoder Network for Joint Segmentation of Optic Cup and Disc [0.880802134366532]
  緑内障(英: Glaucoma)は、視神経に損傷を与える眼疾患であり、視覚障害と永久盲眼を引き起こす。 緑内障の診断には、光ディスク(OD)検査におけるカップ・ツー・ディスク比(CDR)の推定が用いられる。 OCとODの結合分割のためのEDDense-Netセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-20T07:45:03Z)
• UT-Net: Combining U-Net and Transformer for Joint Optic Disc and Cup Segmentation and Glaucoma Detection [0.0]
  緑内障は慢性の視覚疾患であり、永久的な不可逆性視覚障害を引き起こす可能性がある。 緑内障の早期発見には,カップ・ツー・ディスク比(CDR)の測定が重要な役割を担っている。 我々はUT-Netと呼ばれる新しいセグメンテーションパイプラインを提案し、U-Netとトランスフォーマーの双方の利点をエンコーディング層で利用し、次にアテンションゲートバイ線形融合方式を提案する。
  論文  参考訳（メタデータ） (2023-03-08T23:21:19Z)
• Segmentation of Blood Vessels, Optic Disc Localization, Detection of Exudates and Diabetic Retinopathy Diagnosis from Digital Fundus Images [0.0]
  糖尿病網膜症(英: Diabetic Retinopathy, DR)は、慢性糖尿病の合併症の一つで、世界有数の失明の原因の一つである。 本稿では, DR, viz. 血管および排出液の特徴を抽出する改良的, 堅牢な方法に焦点を当てた。 血管のセグメンテーション、光ディスクの局在、DCNNはそれぞれ95.93%、98.77%、75.73%である。
  論文  参考訳（メタデータ） (2022-07-09T22:26:04Z)
• 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)
• GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
  グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。 この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。 緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
  論文  参考訳（メタデータ） (2022-02-14T06:54:15Z)
• 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)
• RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
  緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
  論文  参考訳（メタデータ） (2020-10-15T03:09:08Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• G1020: A Benchmark Retinal Fundus Image Dataset for Computer-Aided Glaucoma Detection [6.201033439090515]
  G1020という緑内障分類のための大規模な網膜基底画像データセットを公開している。 このデータセットは、通常の眼科における標準の慣行に従ってキュレートされ、緑内障検出の標準ベンチマークデータセットとして機能することが期待されている。
  論文  参考訳（メタデータ） (2020-05-28T14:29:03Z)
• AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography [61.405005501608706]
  アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。 前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。 既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。 私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
  論文  参考訳（メタデータ） (2020-05-05T14:55:01Z)

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。