Fugu-MT 論文翻訳(概要): FourierNet: Shape-Preserving Network for Henle's Fiber Layer Segmentation in Optical Coherence Tomography Images

論文の概要: FourierNet: Shape-Preserving Network for Henle's Fiber Layer Segmentation in Optical Coherence Tomography Images

arxiv url: http://arxiv.org/abs/2201.06435v1
Date: Mon, 17 Jan 2022 14:50:26 GMT
ステータス: 処理完了
システム内更新日: 2022-01-19 16:18:16.837302
Title: FourierNet: Shape-Preserving Network for Henle's Fiber Layer Segmentation in Optical Coherence Tomography Images
Title（参考訳）: フーリエネット:光コヒーレンストモグラフィー画像におけるヘンレ繊維層セグメンテーションのための形状保存ネットワーク
Authors: Selahattin Cansiz, Cem Kesim, Sevval Nur Bektas, Zeynep Kulali, Murat Hasanreisoglu, Cigdem Gunduz-Demir
Abstract要約: 網膜のヘンレ繊維層(HFL)は、眼の黄斑状態に関する貴重な情報を持っている。標準光コヒーレンス断層撮影(OCT)でHFLの輪郭を知覚することは困難である。本稿では,標準CTスキャンにおけるHFLセグメント化を実現する形状保存ネットワークであるFourierNetを提案する。
参考スコア（独自算出の注目度）: 2.218316486552747
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Henle's fiber layer (HFL) in the retina carries valuable information on the macular condition of an eye. However, in the common practice, this layer is not separately segmented but rather included in the outer nuclear layer since it is difficult to perceive HFL contours on standard optical coherence tomography (OCT) imaging. Due to its variable reflectivity under an imaging beam, delineating the HFL contours necessitates directional OCT, which requires additional imaging. This paper addresses this issue by introducing a shape-preserving network, FourierNet, that achieves HFL segmentation in standard OCT scans with the target performance obtained when directional OCT scans are used. FourierNet is a new cascaded network design that puts forward the idea of benefiting the shape prior of HFL in the network training. This design proposes to represent the shape prior by extracting Fourier descriptors on the HFL contours and defining an additional regression task of learning these descriptors. It then formulates HFL segmentation as concurrent learning of regression and classification tasks, in which Fourier descriptors are estimated from an input image to encode the shape prior and used together with the input image to construct the HFL segmentation map. Our experiments on 1470 images of 30 OCT scans reveal that quantifying the HFL shape with Fourier descriptors and concurrently learning them with the main task of HFL segmentation lead to better results. This indicates the effectiveness of designing a shape-preserving network to improve HFL segmentation by reducing the need to perform directional OCT imaging.
Abstract（参考訳）: 網膜のヘンレ繊維層(HFL)は、眼の黄斑状態に関する貴重な情報を持っている。しかし, 標準光コヒーレンス断層撮影(oct)ではhfl輪郭を知覚することが困難であるため, この層は別々に区分されるのではなく, 外部核層に含まれている。イメージングビームの下での反射率の変化により、HFLの輪郭を直線化するためには、追加の撮像を必要とする方向のOCTが必要である。本稿では,標準CTスキャンにおけるHFLセグメンテーションを実現する形状保存ネットワークであるFourierNetを導入することでこの問題に対処する。 FourierNetは、新しいカスケードネットワーク設計であり、ネットワークトレーニングにおけるHFL以前の形状の利点を後押しする。この設計は、hfl輪郭上のフーリエ記述子を抽出し、これらの記述子を学習する追加の回帰タスクを定義することによって、先行する形状を表現することを提案する。次に、HFLセグメンテーションを回帰と分類タスクの同時学習として定式化し、入力画像からフーリエ記述子を推定し、その形状を予め符号化し、入力画像と共に使用してHFLセグメンテーションマップを構築する。 30オクタースキャンの1470枚の画像を用いて,フーリエディスクリプタを用いてhfl形状を定量化し,hflセグメンテーションの主要なタスクで同時に学習した結果,良好な結果が得られた。これは、指向性octイメージングの必要性を低減し、hflセグメンテーションを改善するための形状保存ネットワークの設計の有効性を示す。

関連論文リスト

WAVE-UNET: Wavelength based Image Reconstruction method using attention UNET for OCT images [1.0835264351334324]
本稿では, ラムダ空間から直接, 高品質なOCT画像を再構成し, 複雑さを軽減するための体系的設計手法WAVE-UNETを提案する。このフレームワークは、IDFT処理されたラムダ空間フリンジを入力として、アテンションゲーティングと残差接続を持つ修正UNETを使用している。この方法は、時間複雑度を著しく低減した良質なBスキャンを生成することによって、従来のOCTシステムより一貫して優れる。
論文参考訳（メタデータ） (2024-10-05T11:16:10Z)
Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
論文参考訳（メタデータ） (2024-04-25T05:42:41Z)
Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
論文参考訳（メタデータ） (2024-02-28T09:27:41Z)
FFPN: Fourier Feature Pyramid Network for Ultrasound Image Segmentation [15.011573950064424]
超音波(US)画像セグメンテーションは多くのシナリオにおいてリアルタイムかつ高精度な解析を必要とする活発な研究領域である。既存のアプローチは、不適切な輪郭符号化に悩まされるか、エンコードされた結果の有効活用に失敗する可能性がある。本稿では,Fourier Feature Pyramid Network (FFPN) と呼ばれる新しいFourier-anchor-based DTSフレームワークについて述べる。
論文参考訳（メタデータ） (2023-08-26T07:28:09Z)
Towards Local Visual Modeling for Image Captioning [87.02744388237045]
そこで我々はLSTNet(Locality-Sensitive Transformer Network)とLSA(Locality-Sensitive Attention)とLSF(Locality-Sensitive Fusion)の2つの新しい設計を提案する。 LSAはトランスフォーマー内の層間相互作用のために、各格子とその近傍の関係をモデル化して展開される。 LSFは層間情報融合に使われ、層間セマンティック補完のために異なるエンコーダ層の情報を集約する。
論文参考訳（メタデータ） (2023-02-13T04:42:00Z)
NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文参考訳（メタデータ） (2022-09-29T04:06:00Z)
Low-Latency Cooperative Spectrum Sensing via Truncated Vertical Federated Learning [51.51440623636274]
データプライバシを損なうことなく、複数のセカンダリユーザ(SU)にまたがる分散機能を活用できる垂直連合学習(VFL)フレームワークを提案する。学習プロセスの高速化を目的として,T-VFL(Truncated vertical Federated Learning)アルゴリズムを提案する。 T-VFLの収束性能は、数学的解析によって提供され、シミュレーション結果によって正当化される。
論文参考訳（メタデータ） (2022-08-07T10:39:27Z)
FFCNet: Fourier Transform-Based Frequency Learning and Complex Convolutional Network for Colon Disease Classification [6.483399675485918]
大腸疾患分類のためのFFCNet(Fourier-based Frequency Complex Network)を提案する。 FFCNetは、複雑な畳み込みネットワークと周波数学習の組み合わせを可能にする、新しい複雑なネットワークである。従来の最先端技術よりも86:35%, 背骨より4.46%高い精度で高い性能を実現している。
論文参考訳（メタデータ） (2022-07-04T09:32:23Z)
SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers [91.09957836250209]
ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。 CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
論文参考訳（メタデータ） (2021-07-07T02:59:21Z)
Scalable Visual Transformers with Hierarchical Pooling [61.05787583247392]
本稿では,視覚的トークンを徐々にプールしてシーケンス長を縮小する階層的ビジュアルトランスフォーマ(hvt)を提案する。計算の複雑さを増すことなく、深さ/幅/解像度/パッチサイズの寸法をスケールすることで、大きなメリットをもたらします。当社のHVTはImageNetとCIFAR-100データセットの競合ベースラインを上回っています。
論文参考訳（メタデータ） (2021-03-19T03:55:58Z)
DeepCFL: Deep Contextual Features Learning from a Single Image [30.610806956509336]
我々はDeep Contextual Features Learning (DeepCFL)と呼ばれる新しいトレーニングデータ非依存フレームワークを提案する。 DeepCFLは、入力画像からコンテキストベクトルの分布を学習する単一の画像GANフレームワークである。本研究では,無作為に除去された画素のアウトペイント,インペイント,復元など,様々な難解なシナリオにおいて,文脈学習のパフォーマンスを示す。
論文参考訳（メタデータ） (2020-11-07T06:54:59Z)

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。