論文の概要: Automated segmentation and extraction of posterior eye segment using OCT scans

• arxiv url: http://arxiv.org/abs/2109.10000v1
• Date: Tue, 21 Sep 2021 07:03:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-22 22:53:14.525618
• Title: Automated segmentation and extraction of posterior eye segment using OCT scans
• Title（参考訳）: octスキャンによる後眼節の自動分割と抽出
• Authors: Bilal Hassan and Taimur Hassan and Ramsha Ahmed and Shiyin Qin and Naoufel Werghi
• Abstract要約: 本稿では,人間の眼の後部セグメントの自動抽出法を提案する。 提案手法は1000 OCTスキャンで評価され, 平均結合点(IoU)とDice類似度係数(DSC)のスコア(0.874, 0.930)が得られた。
• 参考スコア（独自算出の注目度）: 8.60968116787044
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes an automated method for the segmentation and extraction of the posterior segment of the human eye, including the vitreous, retina, choroid, and sclera compartments, using multi-vendor optical coherence tomography (OCT) scans. The proposed method works in two phases. First extracts the retinal pigment epithelium (RPE) layer by applying the adaptive thresholding technique to identify the retina-choroid junction. Then, it exploits the structure tensor guided approach to extract the inner limiting membrane (ILM) and the choroidal stroma (CS) layers, locating the vitreous-retina and choroid-sclera junctions in the candidate OCT scan. Furthermore, these three junction boundaries are utilized to conduct posterior eye compartmentalization effectively for both healthy and disease eye OCT scans. The proposed framework is evaluated over 1000 OCT scans, where it obtained the mean intersection over union (IoU) and mean Dice similarity coefficient (DSC) scores of 0.874 and 0.930, respectively.
• Abstract（参考訳）: 本稿では,マルチベンダ光コヒーレンストモグラフィ(oct)スキャンを用いて,硝子体,網膜,脈絡膜,硬化部を含むヒト眼の後眼部部分の分節抽出を自動化する手法を提案する。 提案手法は2段階で動作する。 まず、適応しきい値法を適用して網膜色素上皮層(RPE)を抽出し、網膜-脈絡膜接合を同定する。 次に、構造テンソルガイド法を用いて、内部制限膜(ILM)と脈絡膜(CS)層を抽出し、候補OCTスキャンにおける硝子体-網膜および脈絡膜接合部の位置を特定する。 さらに、これらの3つの接合境界を利用して、健康眼と疾患眼のOCTスキャンの両方に効果的に後眼区画化を行う。 提案手法は1000 OCTスキャンで評価され, 平均結合点(IoU)とDice類似度係数(DSC)のスコア(0.874, 0.930)が得られた。

関連論文リスト

• Formula-Driven Data Augmentation and Partial Retinal Layer Copying for Retinal Layer Segmentation [5.127202044502064]
  OCT画像のための新しいデータ拡張手法を提案する。 フォーミュラ駆動データ拡張は様々な網膜構造をエミュレートする。 PRLCは網膜層の一部をコピーし、網膜層の外の領域に貼り付ける。
  論文  参考訳（メタデータ） (2024-10-02T02:37:11Z)
• OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods [34.13887472397715]
  本研究は,2000枚以上の OCT 画像からなるオープンアクセス型 OCT データセット (OCTDL) を提案する。 このデータセットは、加齢関連黄斑変性症(AMD)、糖尿病黄斑浮腫(DME)、網膜膜(ERM)、網膜動脈閉塞症(RAO)、網膜静脈閉塞症(RVO)、およびVID(Vitreomacular Interface Disease)患者のOCT記録からなる。
  論文  参考訳（メタデータ） (2023-12-13T16:18:40Z)
• EyeLS: Shadow-Guided Instrument Landing System for Intraocular Target Approaching in Robotic Eye Surgery [51.05595735405451]
  ロボット眼科手術(Robotic Ophthalmic surgery)は、網膜下注入における網膜侵入や網膜剥離における浮動組織の除去など、高精度な介入を促進する新しい技術である。 現在の画像に基づく手法では、針先端の軌跡を網膜と浮動標的の両方に向けて効果的に推定することはできない。 本研究では,ターゲットの影位置と楽器先端を用いて相対的な深度位置を推定する。 手術シミュレータでは, 平均深度0.0127mm, 平均深度0.3473mm, 平均深度0.0127mm, 平均深度0.3473mmを目標とした。
  論文  参考訳（メタデータ） (2023-11-15T09:11:37Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• 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)
• 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)
• Robust Implementation of Foreground Extraction and Vessel Segmentation for X-ray Coronary Angiography Image Sequence [4.653742319057035]
  X-ray coronary angiography (XCA) 画像からの造影血管の抽出は臨床的に重要である。 テンソルロバスト主成分分析(TRPCA)に基づく容器層抽出法を提案する。 不均質なコントラスト分布を有する容器画像に対しては,2段階成長(TSRG)法を用いて血管拡張とセグメンテーションを行う。
  論文  参考訳（メタデータ） (2022-09-15T12:07:09Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation [5.457168581192045]
  最近のディープラーニングアルゴリズムは、有望な血管セグメンテーションの結果を生み出した。 しかし、手動による注記データがないため、3D網膜血管セグメンテーションは依然として困難である。 自己合成モダリティのみによって教師される学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T07:51:33Z)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• 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)

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。