論文の概要: AOSLO-net: A deep learning-based method for automatic segmentation of
retinal microaneurysms from adaptive optics scanning laser ophthalmoscope
images
- arxiv url: http://arxiv.org/abs/2106.02800v1
- Date: Sat, 5 Jun 2021 05:06:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-14 07:50:53.167000
- Title: AOSLO-net: A deep learning-based method for automatic segmentation of
retinal microaneurysms from adaptive optics scanning laser ophthalmoscope
images
- Title(参考訳): AOSLO-net: 適応光学走査型レーザー眼科画像からの網膜微小動脈瘤の自動分画法
- Authors: Qian Zhang, Konstantina Sampani, Mengjia Xu, Shengze Cai, Yixiang
Deng, He Li, Jennifer K. Sun, George Em Karniadakis
- Abstract要約: トレーニングポリシをカスタマイズしたディープニューラルネットワークフレームワークであるAOSLO-netを導入し、AOSLOイメージからMAを自動的に分割する。
87 DR AOSLO画像を用いたAOSLO-netの性能評価を行った。
- 参考スコア(独自算出の注目度): 3.8848390007421196
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adaptive optics scanning laser ophthalmoscopy (AOSLO) provides real-time
retinal images with high resolution down to 2 $\mu m$. This technique enables
detection of the morphologies of individual microaneurysms (MAs), which are one
of the earliest signs of diabetic retinopathy (DR), a frequent complication of
diabetes that can lead to visual impairment and blindness. In contrast to
previous automatic models developed for MA detection on standard fundus
photographs, currently there is no high throughput image protocol available for
automatic analysis of AOSLO photographs. To address this urgency, we introduce
AOSLO-net, a deep neural network framework with customized training policy,
including preprocessing, data augmentation and transfer learning, to
automatically segment MAs from AOSLO images. We evaluate the performance of
AOSLO-net using 87 DR AOSLO images demonstrating very accurate MA detection and
segmentation, leading to correct MA morphological classification, while
outperforming the state-of-the-art both in accuracy and cost.
- Abstract(参考訳): AOSLO(Adaptive Opticals scanning Laser Ophthalmoscopy)は、高解像度の高解像度のリアルタイム網膜画像を提供する。
この技術は、糖尿病網膜症(DR)の初期の兆候の1つである個々の微小動脈瘤(MA)の形態の検出を可能にする。
標準眼底写真におけるMA検出のために開発された従来の自動モデルとは対照的に、現在、AOSLO写真の自動解析のための高スループット画像プロトコルは存在しない。
この緊急性に対処するために,前処理,データ拡張,転送学習などのトレーニングポリシをカスタマイズしたディープニューラルネットワークフレームワークであるaoslo-netを導入することで,aosloイメージからmasを自動的にセグメント化する。
87 DR AOSLO画像を用いたAOSLO-netの性能評価を行い,MA形態分類の精度とコストを両立させながら,MA形態分類の精度を高く評価した。
関連論文リスト
- LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳(メタデータ) (2023-06-20T22:21:34Z) - Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳(メタデータ) (2023-04-29T16:11:34Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - Explainable Artificial Intelligence in Retinal Imaging for the detection
of Systemic Diseases [0.0]
本研究では,Deep Convolutional Neural Networks(CNN)を直接使用せずに,説明可能な段階的な段階付けプロセスを評価することを目的とする。
我々は,眼底画像の網膜血管評価を行うクリニアン・イン・ザ・ループ支援インテリジェントワークフローを提案する。
半自動的な方法論は、臨床医からのより多くのインプットと解釈を持つ医療アプリケーションにおいて、AIに対する連合的なアプローチを持つことを目的としている。
論文 参考訳(メタデータ) (2022-12-14T07:00:31Z) - RADNet: Ensemble Model for Robust Glaucoma Classification in Color
Fundus Images [0.0]
緑内障は最も重篤な眼疾患の1つで、急激な進行と不可逆性失明を特徴とする。
集団の正常な緑内障検診では早期発見が改善するが,病原性チェックアップの望ましい頻度は期待できないことが多い。
本研究では,高度な画像前処理手法と深層分類ネットワークのアンサンブルを併用した画像前処理手法を提案する。
論文 参考訳(メタデータ) (2022-05-25T16:48:00Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳(メタデータ) (2021-10-06T08:10:28Z) - 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) - Real-Time Glaucoma Detection from Digital Fundus Images using Self-ONNs [22.863901758361692]
緑内障は、視覚画像を脳に伝達する視神経を損傷することで、永久的な視覚障害を引き起こす。
ラベル付きデータの不足により,デジタル眼底画像からの緑内障検出に様々な深層学習モデルが応用されている。
本研究では,眼底画像における緑内障の早期検出のために,コンパクトな自己組織化オペレーショナルニューラルネットワーク(Self-ONN)を提案する。
論文 参考訳(メタデータ) (2021-09-28T10:27:01Z) - 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) - Blind deblurring for microscopic pathology images using deep learning
networks [0.0]
顕微鏡画像のデフォーカスや動きのぼかしを軽減できるディープラーニングベースのアプローチを実証する。
ぼやけたタイプ、ぼやけた範囲、病理染色を事前に知ることなく、より鮮明できめ細かな画像が得られる。
そこで我々は, 画像のぼかし補正とAIアルゴリズムの診断結果の改善に優れた性能を示した。
論文 参考訳(メタデータ) (2020-11-24T03:52:45Z) - 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。