論文の概要: Automatic Segmentation of the Optic Nerve Head Region in Optical
Coherence Tomography: A Methodological Review
- arxiv url: http://arxiv.org/abs/2109.02322v1
- Date: Mon, 6 Sep 2021 09:45:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 17:25:11.554797
- Title: Automatic Segmentation of the Optic Nerve Head Region in Optical
Coherence Tomography: A Methodological Review
- Title（参考訳）: 光コヒーレンス・トモグラフィにおける視神経頭部領域の自動分離法
- Authors: Rita Marques, Danilo Andrade De Jesus, Jo\~ao Barbosa Breda, Jan Van
Eijgen, Ingeborg Stalmans, Theo van Walsum and Stefan Klein and Pedro G. Vaz
and Luisa S\'anchez Brea
- Abstract要約: 視神経頭は、視神経(ONH)の眼内部分を表す。
光コヒーレンストモグラフィーの出現により、新しい視神経頭部パラメータの評価が可能となった。
ディープラーニングに基づくアルゴリズムは、ONHの異なる構造を分割する上で、最高の精度、感度、特異性を提供する。
- 参考スコア（独自算出の注目度）: 4.777796444711511
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The optic nerve head represents the intraocular section of the optic nerve
(ONH), which is prone to damage by intraocular pressure. The advent of optical
coherence tomography (OCT) has enabled the evaluation of novel optic nerve head
parameters, namely the depth and curvature of the lamina cribrosa (LC).
Together with the Bruch's membrane opening minimum-rim-width, these seem to be
promising optic nerve head parameters for diagnosis and monitoring of retinal
diseases such as glaucoma. Nonetheless, these optical coherence tomography
derived biomarkers are mostly extracted through manual segmentation, which is
time-consuming and prone to bias, thus limiting their usability in clinical
practice. The automatic segmentation of optic nerve head in OCT scans could
further improve the current clinical management of glaucoma and other diseases.
This review summarizes the current state-of-the-art in automatic segmentation
of the ONH in OCT. PubMed and Scopus were used to perform a systematic review.
Additional works from other databases (IEEE, Google Scholar and ARVO IOVS) were
also included, resulting in a total of 27 reviewed studies.
For each algorithm, the methods, the size and type of dataset used for
validation, and the respective results were carefully analyzed. The results
show that deep learning-based algorithms provide the highest accuracy,
sensitivity and specificity for segmenting the different structures of the ONH
including the LC. However, a lack of consensus regarding the definition of
segmented regions, extracted parameters and validation approaches has been
observed, highlighting the importance and need of standardized methodologies
for ONH segmentation.
- Abstract（参考訳）: 視神経頭は、眼圧によって損傷を受けやすい視神経(ONH)の眼内部分を表す。
光コヒーレンストモグラフィー(OCT)の出現により、新しい視神経頭部パラメーター、すなわちラミナ・クリブロサ(LC)の深さと曲率の評価が可能となった。
最小縁幅を開口するBruch膜とともに、緑内障などの網膜疾患の診断とモニタリングのために、視神経頭部パラメーターが期待できる。
それにもかかわらず、これらの光学コヒーレンストモグラフィー由来のバイオマーカーは、主に手動のセグメンテーションによって抽出される。
OCTスキャンにおける視神経頭の自動分画は、緑内障や他の疾患の現在の臨床管理をさらに改善させる可能性がある。
プブメドとスコプスが組織的レビューを行うために用いられた10月のonhの自動セグメント化の現状を概説する。
他のデータベース(IEEE、Google Scholar、ARVO IOVS)からの追加の作業も含まれており、合計27のレビュー研究が行われた。
各アルゴリズムについて,検証に使用するデータセットのサイズと種類,および各結果について慎重に分析した。
その結果, 深層学習に基づくアルゴリズムは, LCを含むONHの異なる構造を分割する上で, 高い精度, 感度, 特異性を提供することがわかった。
しかし, 分割領域の定義, 抽出パラメータ, 検証手法に関する合意の欠如が観察され, ONHセグメンテーションにおける標準化手法の重要性と必要性が強調されている。
関連論文リスト
- Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - 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) - 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) - Deep Learning based Framework for Automatic Diagnosis of Glaucoma based
on analysis of Focal Notching in the Optic Nerve Head [0.2580765958706854]
デジタルファンドイメージ(DFI)から光ディスク(OD)とオプティカルカップ(OC)領域の自動セグメンテーションのための深層学習パイプラインを提案する。
本手法は、緑内障解析におけるコンピュータ支援デザイン(CAD)システムの精度を高めるために、ニューロ網膜リムの焦点ノッチ解析とカップ・ツー・ディスク比の値を分類パラメータとして利用した。
提案したパイプラインは、DFIから緑内障を検出するための93.33%の精度で、無料で利用可能なDRISHTI-GSデータセットで評価された。
論文 参考訳（メタデータ） (2021-12-10T18:58:40Z) - Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using
Tailored Prototypical Neural Networks [1.1601676598120785]
緑内障は世界の視覚障害の主要な原因の1つである。
生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。
特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
論文 参考訳（メタデータ） (2021-06-25T10:53:01Z) - Segmentation of Anatomical Layers and Artifacts in Intravascular
Polarization Sensitive Optical Coherence Tomography Using Attending Physician
and Boundary Cardinality Lost Terms [4.93836246080317]
血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。
畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。
モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
論文 参考訳（メタデータ） (2021-05-11T15:52:31Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z) - Weakly-Supervised Lesion Segmentation on CT Scans using Co-Segmentation [18.58056402884405]
CTスキャンにおける病変分割は,病変・腫瘍の進展を正確に観察するための重要なステップである。
現在の慣行は、固形腫瘍の反応評価基準と呼ばれる不正確な代用に依存している。
本稿では,畳み込みニューラルネットワークを用いた弱教師付き病変分割法を提案する。
論文 参考訳（メタデータ） (2020-01-23T15:15:53Z) - Segmentation of Retinal Low-Cost Optical Coherence Tomography Images
using Deep Learning [2.571523045125397]
治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。
現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。
ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
論文 参考訳（メタデータ） (2020-01-23T12:55:53Z)
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。