Fugu-MT 論文翻訳(概要): VTGAN: Semi-supervised Retinal Image Synthesis and Disease Prediction using Vision Transformers

論文の概要: VTGAN: Semi-supervised Retinal Image Synthesis and Disease Prediction using Vision Transformers

arxiv url: http://arxiv.org/abs/2104.06757v1
Date: Wed, 14 Apr 2021 10:32:36 GMT
ステータス: 処理完了
システム内更新日: 2021-04-15 19:06:02.260980
Title: VTGAN: Semi-supervised Retinal Image Synthesis and Disease Prediction using Vision Transformers
Title（参考訳）: VTGAN:視覚変換器を用いた半教師付き網膜画像合成と疾患予測
Authors: Sharif Amit Kamran, Khondker Fariha Hossain, Alireza Tavakkoli, Stewart Lee Zuckerbrod, Kenton M. Sanders, Salah A. Baker
Abstract要約: Fluorescein Angiography(FA)では、注射された染料を血流に注入して網膜の血管構造を画像化します。眼底イメージングは網膜の撮影に用いられる非侵襲的な技術であるが、その血管構造を撮影するのに十分な忠実性は持たない。本稿では,眼底画像からFA画像を同時に合成し,網膜変性を予測できる新しい条件生成対向ネットワーク(GAN)を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In Fluorescein Angiography (FA), an exogenous dye is injected in the bloodstream to image the vascular structure of the retina. The injected dye can cause adverse reactions such as nausea, vomiting, anaphylactic shock, and even death. In contrast, color fundus imaging is a non-invasive technique used for photographing the retina but does not have sufficient fidelity for capturing its vascular structure. The only non-invasive method for capturing retinal vasculature is optical coherence tomography-angiography (OCTA). However, OCTA equipment is quite expensive, and stable imaging is limited to small areas on the retina. In this paper, we propose a novel conditional generative adversarial network (GAN) capable of simultaneously synthesizing FA images from fundus photographs while predicting retinal degeneration. The proposed system has the benefit of addressing the problem of imaging retinal vasculature in a non-invasive manner as well as predicting the existence of retinal abnormalities. We use a semi-supervised approach to train our GAN using multiple weighted losses on different modalities of data. Our experiments validate that the proposed architecture exceeds recent state-of-the-art generative networks for fundus-to-angiography synthesis. Moreover, our vision transformer-based discriminators generalize quite well on out-of-distribution data sets for retinal disease prediction.
Abstract（参考訳）: Fluorescein Angiography (FA)では、血流中に外因性色素を注入し、網膜の血管構造を画像化する。注射された染料は、吐き気、吐き気、アナフィラキシーショック、さらには死などの有害反応を引き起こすことがある。対照的に、カラーファンドスイメージングは網膜の撮影に使用される非侵襲的手法であるが、その血管構造を捉えるのに十分な忠実さを持っていない。光コヒーレンス・トモグラフィー・アンジオグラフィー(OCTA)は、網膜血管を捕捉する唯一の非侵襲的方法である。しかし、OCTA装置は非常に高価であり、安定した画像撮影は網膜の小さな領域に限られている。本稿では,眼底画像からFA画像を同時に合成し,網膜変性を予測できる新しい条件生成対向ネットワーク(GAN)を提案する。提案するシステムは、非侵襲的な方法で網膜血管をイメージングする問題に対処するとともに、網膜異常の存在を予測できるという利点がある。我々は、データの種類によって重み付けされた複数の損失を用いてGANを訓練するために、半教師付きアプローチを用いる。提案手法は, 基礎-アンギオグラフィ合成のための最近の最先端生成ネットワークを超えている。さらに,視覚トランスフォーマベースの判別器は,網膜疾患予測のための分布外データセットに非常によく対応している。

関連論文リスト

CUNSB-RFIE: Context-aware Unpaired Neural Schr"{o}dinger Bridge in Retinal Fundus Image Enhancement [15.399449331371402]
網膜画像強調のための画像から画像への変換パイプラインを提案する。眼底画像強調フレームワークCUNSB-RFIE (Context-aware Unpaired Neural Schr"odinger Bridge) を命名した。
論文参考訳（メタデータ） (2024-09-17T08:07:29Z)
StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文参考訳（メタデータ） (2024-08-11T01:22:29Z)
Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
論文参考訳（メタデータ） (2023-06-19T14:01:47Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
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)
NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文参考訳（メタデータ） (2020-08-07T04:31:33Z)
Attention2AngioGAN: Synthesizing Fluorescein Angiography from Retinal Fundus Images using Generative Adversarial Networks [0.0]
フルオレセイン血管造影(Fluorescein Angiography, FA)は、Fundusの写真撮影に、励起フィルターとバリアフィルターを取り入れた指定カメラを用いる技術である。 FAはまた、静脈注射されるフルオレセイン色素を必要としており、吐き気、吐き気、さらに致命的なアナフィラキシーに悪影響を及ぼす可能性がある。本稿では,Fundus画像からFluorescein Angiographyを合成できるアテンションベースの生成ネットワークを提案する。
論文参考訳（メタデータ） (2020-07-17T18:58:44Z)
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)
Fundus2Angio: A Conditional GAN Architecture for Generating Fluorescein Angiography Images from Retinal Fundus Photography [0.0]
フルオレセイン血管造影画像を生成する非侵襲的なシステムはない。ファンドス撮影は、数秒で完了する非侵襲的なイメージング技術である。本稿では,基礎画像からFA画像へ変換する条件付き生成対向ネットワーク(GAN)を提案する。
論文参考訳（メタデータ） (2020-05-11T17:09:29Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。