論文の概要: A Deep Learning-based Quality Assessment and Segmentation System with a
Large-scale Benchmark Dataset for Optical Coherence Tomographic Angiography
Image
- arxiv url: http://arxiv.org/abs/2107.10476v1
- Date: Thu, 22 Jul 2021 06:32:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-23 21:02:57.918707
- Title: A Deep Learning-based Quality Assessment and Segmentation System with a
Large-scale Benchmark Dataset for Optical Coherence Tomographic Angiography
Image
- Title（参考訳）: 光コヒーレンス断層画像のための大規模ベンチマークデータセットを用いた深層学習に基づく品質評価・セグメンテーションシステム
- Authors: Yufei Wang and Yiqing Shen and Meng Yuan and Jing Xu and Bin Yang and
Chi Liu and Wenjia Cai and Weijing Cheng and Wei Wang
- Abstract要約: 我々は,深層ニューラルネットワークを用いたコンピュータ支援OCTA画像処理システムを開発し,眼科医の臨床診断・研究を支援する。
大規模なOCTAデータセット、すなわちOCTA-25K-IQA-SEGを公開して性能評価を行う。
- 参考スコア（独自算出の注目度）: 16.31881124375424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optical Coherence Tomography Angiography (OCTA) is a non-invasive and
non-contacting imaging technique providing visualization of microvasculature of
retina and optic nerve head in human eyes in vivo. The adequate image quality
of OCTA is the prerequisite for the subsequent quantification of retinal
microvasculature. Traditionally, the image quality score based on signal
strength is used for discriminating low quality. However, it is insufficient
for identifying artefacts such as motion and off-centration, which rely
specialized knowledge and need tedious and time-consuming manual
identification. One of the most primary issues in OCTA analysis is to sort out
the foveal avascular zone (FAZ) region in the retina, which highly correlates
with any visual acuity disease. However, the variations in OCTA visual quality
affect the performance of deep learning in any downstream marginally. Moreover,
filtering the low-quality OCTA images out is both labor-intensive and
time-consuming. To address these issues, we develop an automated computer-aided
OCTA image processing system using deep neural networks as the classifier and
segmentor to help ophthalmologists in clinical diagnosis and research. This
system can be an assistive tool as it can process OCTA images of different
formats to assess the quality and segment the FAZ area. The source code is
freely available at https://github.com/shanzha09/COIPS.git.
Another major contribution is the large-scale OCTA dataset, namely
OCTA-25K-IQA-SEG we publicize for performance evaluation. It is comprised of
four subsets, namely sOCTA-3$\times$3-10k, sOCTA-6$\times$6-14k,
sOCTA-3$\times$3-1.1k-seg, and dOCTA-6$\times$6-1.1k-seg, which contains a
total number of 25,665 images. The large-scale OCTA dataset is available at
https://doi.org/10.5281/zenodo.5111975, https://doi.org/10.5281/zenodo.5111972.
- Abstract（参考訳）: 光コヒーレンス・トモグラフィー(OCTA)は、生体内における網膜と視神経の微小血管の可視化を提供する非侵襲的、非接触イメージング技術である。
OCTAの適切な画質は、その後の網膜微小血管の定量化に必須である。
伝統的に、信号強度に基づく画質スコアは低品質の識別に用いられる。
しかし、専門知識に依存し、面倒で時間を要する手動識別を必要とする動きやオフセントレーションなどの人工物を特定するには不十分である。
OCTA分析における最も大きな問題の1つは、網膜の胎児血管ゾーン(FAZ)領域を分類することである。
しかし、OCTAの視覚的品質の変化は、下流におけるディープラーニングの性能にわずかに影響を及ぼす。
さらに、低品質のOCTA画像をフィルタリングすることは、労働集約的かつ時間を要する。
これらの課題に対処するため,深層ニューラルネットワークを用いた自動OCTA画像処理システムを開発し,眼科医の臨床診断・研究を支援する。
このシステムは、様々なフォーマットのOCTA画像を処理して品質を評価し、FAZ領域を分割する補助ツールとなる。
ソースコードはhttps://github.com/shanzha09/COIPS.gitで無料で入手できる。
もうひとつの大きな貢献は大規模なOCTAデータセットであるOCTA-25K-IQA-SEGである。
4つのサブセット(sOCTA-3$\times$3-10k、sOCTA-6$\times$6-14k、sOCTA-3$\times$3-1.1k-seg、dOCTA-6$\times$6-1.1k-seg、合計25,665枚)で構成されている。
大規模なOCTAデータセットはhttps://doi.org/10.5281/zenodo.5111975, https://doi.org/10.5281/zenodo.5111972で入手できる。
関連論文リスト
- Generalist Segmentation Algorithm for Photoreceptors Analysis in Adaptive Optics Imaging [3.9111016990170286]
共焦点適応光学スキャニング光眼鏡(AOSLO)イメージングにより、導波路光受容体の反射から円錐を可視化することができる。
本稿では,AOSLO画像中のコーンの検出とセグメンテーションを行うための,ディープラーニング(DL)に基づく手法を提案する。
論文 参考訳（メタデータ） (2024-08-27T06:49:21Z) - Enhancing Retinal Disease Classification from OCTA Images via Active Learning Techniques [0.8035416719640156]
高齢のアメリカ人では眼疾患が一般的であり、視力や視力の低下につながることがある。
光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)により、臨床医が網膜血管の高品質な画像を取得することができる画像技術の最近の進歩
OCTAは、一般的なOCT画像から得られる構造情報と比較して、詳細な血管画像を提供する。
論文 参考訳（メタデータ） (2024-07-21T23:24:49Z) - Retinal Image Segmentation with Small Datasets [25.095695898777656]
糖尿病黄斑浮腫(DME)、加齢関連黄斑変性(AMD)、緑内障などの多くの眼疾患が網膜に出現し、不可逆的な失明や中心バージョンに深刻な障害を引き起こす。
オプティカルコヒーレンス・トモグラフィ(OCT)は網膜の3Dスキャンであり、網膜解剖の変化を診断し、モニターするために用いられる。
多くのDeep Learning(DL)メソッドは、網膜の病理学的変化を監視する自動化ツールの開発の成功を共有している。
論文 参考訳（メタデータ） (2023-03-09T08:32:14Z) - Discriminative Kernel Convolution Network for Multi-Label Ophthalmic
Disease Detection on Imbalanced Fundus Image Dataset [13.687617973585983]
緑内障、糖尿病網膜症、白内障などの眼疾患が世界中の視覚障害の主な原因である。
本研究は,識別的カーネル畳み込みネットワーク (DKCNet) を提案する。
また、全く見えない眼底像にも良い効果が認められる。
論文 参考訳（メタデータ） (2022-07-16T12:03:27Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - 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) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - 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) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Coronary Artery Segmentation from Intravascular Optical Coherence
Tomography Using Deep Capsules [0.0]
血管内光コヒーレンストモグラフィーによる冠動脈の分画と解析は,冠動脈疾患の診断と管理の重要な側面である。
現在の画像処理手法は、専門家ラベル付きデータセットを生成するのに必要な時間と、分析中のバイアスの可能性によって妨げられている。
セグメンテーションの品質を犠牲にすることなく、推論時に高速なメモリフットプリントのモデルを開発する。
私たちは、私たちの開発が12%のパラメータを使用しながら、セグメンテーション品質とロバストネスの観点から最先端の機械学習手法と同等のモデルであるDeepCapにつながっていることを示しています。
論文 参考訳（メタデータ） (2020-03-13T01:37:45Z)
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。