論文の概要: Fully Automated Tree Topology Estimation and Artery-Vein Classification
- arxiv url: http://arxiv.org/abs/2202.02382v1
- Date: Fri, 4 Feb 2022 20:40:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-08 17:30:32.695152
- Title: Fully Automated Tree Topology Estimation and Artery-Vein Classification
- Title（参考訳）: 完全自動ツリートポロジー推定と動脈・静脈分類
- Authors: Aashis Khanal, Saeid Motevali, and Rolando Estrada
- Abstract要約: 網膜血管トポロジー(網膜血管トポロジー)を抽出するための完全自動的手法,すなわち,異なる血管が相互にどのように結びついているかを示す。
我々は,網膜動脈-静脈分類における最先端の結果を得るために,抽出法の有用性を検証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a fully automatic technique for extracting the retinal vascular
topology, i.e., how the different vessels are connected to each other, given a
single color fundus image. Determining this connectivity is very challenging
because vessels cross each other in a 2D image, obscuring their true paths. We
validated the usefulness of our extraction method by using it to achieve
state-of-the-art results in retinal artery-vein classification.
Our proposed approach works as follows. We first segment the retinal vessels
using our previously developed state-of-the-art segmentation method. Then, we
estimate an initial graph from the extracted vessels and assign the most likely
blood flow to each edge. We then use a handful of high-level operations (HLOs)
to fix errors in the graph. These HLOs include detaching neighboring nodes,
shifting the endpoints of an edge, and reversing the estimated blood flow
direction for a branch. We use a novel cost function to find the optimal set of
HLO operations for a given graph. Finally, we show that our extracted vascular
structure is correct by propagating artery/vein labels along the branches. As
our experiments show, our topology-based artery-vein labeling achieved
state-of-the-art results on multiple datasets. We also performed several
ablation studies to verify the importance of the different components of our
proposed method.
- Abstract（参考訳）: 網膜血管トポロジー(網膜血管トポロジー)を抽出するための完全自動的手法として, 異なる血管が相互にどのように接続されているかを示す。
この接続性の決定は非常に難しいのは、船が2D画像で互いに交差し、真の経路を逸脱しているからだ。
我々は,網膜動脈-静脈分類における最先端の結果を得るために,抽出法の有用性を検証した。
提案手法は以下のとおりである。
まず,これまで開発した最先端のセグメンテーション法を用いて網膜血管のセグメンテーションを行った。
次に,抽出した血管から最初のグラフを推定し,最も可能性の高い血流を各エッジに割り当てる。
次に、グラフのエラーを修正するために、少数のハイレベル演算(HLO)を使用します。
これらのHLOには、隣接ノードの除去、エッジのエンドポイントのシフト、ブランチに対する推定血流方向の反転が含まれる。
与えられたグラフに対するhlo演算の最適な集合を見つけるために、新しいコスト関数を用いる。
最後に,枝に沿って動脈・静脈のラベルを伝播させることにより,血管構造が正しいことを示す。
実験が示すように、トポロジーベースの動脈標識は、複数のデータセットで最先端の結果を得た。
また,提案手法の異なる成分の重要性を検証するため,いくつかのアブレーション実験を行った。
関連論文リスト
- Synthetic optical coherence tomography angiographs for detailed retinal
vessel segmentation without human annotations [12.571349114534597]
本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。
本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
論文 参考訳（メタデータ） (2023-06-19T14:01:47Z) - Fully Automated Artery-Vein ratio and vascular tortuosity measurement in
retinal fundus images [0.0]
本論文は, 船舶のトポロジー推定と抽出に関するフォローアップ論文である。
抽出したトポロジを用いてA-V状態の動脈-静脈分類,AV比計算,血管の聴力測定を行った。
論文 参考訳（メタデータ） (2023-01-04T19:13:21Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Simultaneous segmentation and classification of the retinal arteries and
veins from color fundus images [6.027522272446452]
網膜血管の研究は多くの疾患のスクリーニングと診断の基本的な段階である。
眼底画像からの網膜A/Vの同時分画と分類のための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-09-20T09:54:01Z) - Deep Feature Fusion via Graph Convolutional Network for Intracranial
Artery Labeling [9.85779770378859]
頭蓋内動脈は、脳に酸素を供給している重要な血管である。
脳動脈の解剖学的ラベル付けにおいて、様々な機械学習アルゴリズムが自動化されている。
本研究では,脳動脈ラベリングのための深部核融合を用いた新しいグラフ畳み込みニューラルネットワークについて検討した。
論文 参考訳（メタデータ） (2022-05-22T06:11:21Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳（メタデータ） (2022-04-26T14:20:26Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Hierarchical Deep Network with Uncertainty-aware Semi-supervised
Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。
提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-05-31T06:55:43Z) - Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous
Crossing Patterns [27.867833878756553]
網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。
医用画像診断における最初期の試みの一つである診断プロセスを支援するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-11-07T13:15:17Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z)
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。