論文の概要: DenseUNets with feedback non-local attention for the segmentation of
specular microscopy images of the corneal endothelium with Fuchs dystrophy
- arxiv url: http://arxiv.org/abs/2203.01882v1
- Date: Thu, 3 Mar 2022 17:49:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-04 15:20:14.277516
- Title: DenseUNets with feedback non-local attention for the segmentation of
specular microscopy images of the corneal endothelium with Fuchs dystrophy
- Title（参考訳）: fuchs dystrophy を伴う角膜内皮の鏡像のセグメンテーションにおける非局所的フィードバックによる高密度化
- Authors: Juan P. Vigueras-Guill\'en and Jeroen van Rooij and Bart T.H. van
Dooren and Hans G. Lemij and Esma Islamaj and Lucas J. van Vliet and Koenraad
A. Vermeer
- Abstract要約: フィードバック非局所的注意(fNLA)と呼ばれる新しい注意機構を含む新しい深層学習手法を提案する。
我々のアプローチはまず、まず細胞縁を推測し、次に検出された細胞を選択し、最後に間違いを正すために後処理法を適用します。
提案手法は,大腸に被覆された領域を廃棄しながら,小腸に閉鎖された細胞縁を検出することで,腸の影響を受ける細胞を極めて良好に処理した。
- 参考スコア（独自算出の注目度）: 2.4242495790574217
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: To estimate the corneal endothelial parameters from specular microscopy
images depicting cornea guttata (Fuchs endothelial dystrophy), we propose a new
deep learning methodology that includes a novel attention mechanism named
feedback non-local attention (fNLA). Our approach first infers the cell edges,
then selects the cells that are well detected, and finally applies a
postprocessing method to correct mistakes and provide the binary segmentation
from which the corneal parameters are estimated (cell density [ECD],
coefficient of variation [CV], and hexagonality [HEX]). In this study, we
analyzed 1203 images acquired with a Topcon SP-1P microscope, 500 of which
contained guttae. Manual segmentation was performed in all images. We compared
the results of different networks (UNet, ResUNeXt, DenseUNets, UNet++) and
found that DenseUNets with fNLA provided the best performance, with a mean
absolute error of 23.16 [cells/mm$^{2}$] in ECD, 1.28 [%] in CV, and 3.13 [%]
in HEX, which was 3-6 times smaller than the error obtained by Topcon's
built-in software. Our approach handled the cells affected by guttae remarkably
well, detecting cell edges occluded by small guttae while discarding areas
covered by large guttae. fNLA made use of the local information, providing
sharper edges in guttae areas and better results in the selection of
well-detected cells. Overall, the proposed method obtained reliable and
accurate estimations in extremely challenging specular images with guttae,
being the first method in the literature to solve this problem adequately. Code
is available in our GitHub.
- Abstract（参考訳）: 角膜内皮細胞性ジストロフィー (Fuchs endothelial dystrophy) を呈する顕微鏡画像から角膜内皮細胞パラメータを推定するために, フィードバック非局所的注意 (fNLA) と呼ばれる新しい注意機構を含む新しい深層学習手法を提案する。
提案手法はまず,まず細胞縁を推定し,よく検出された細胞を選択し,最後に誤りを訂正するために後処理法を適用し,角膜パラメータを推定する二分節(細胞密度[ECD],変動係数[CV],六角性[HEX])を提供する。
本研究では,topcon sp-1p顕微鏡で取得した1203枚の画像を分析した。
全画像で手動セグメンテーションが行われた。
我々は、異なるネットワーク(UNet, ResUNeXt, DenseUNets, UNet++)の結果を比較し、fNLAのDenseUNetsは、ECDで23.16[cells/mm$^{2}$]、CVで1.28[%]、HEXで3.13[%]という平均的な絶対誤差で、Topconのビルトインソフトウェアで得られたエラーの3-6倍の誤差で、最高のパフォーマンスを提供することがわかった。
我々のアプローチでは, ガッタが影響を受ける細胞を著しく良好に処理し, 小さいガッタが占める細胞縁を検知し, 大きなガッタが覆う領域を廃棄した。
fNLAは局所情報を利用し、腸骨領域の鋭い縁を提供し、よく検出された細胞の選択により良い結果をもたらした。
総じて,本手法は,この課題を適切に解決した文献において,最初の手法であるguttaeを用いて,極めて困難な鏡像の信頼性と精度を推定する手法である。
コードはGitHubで入手可能です。
関連論文リスト
- Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - 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) - Automated segmentation of microvessels in intravascular OCT images using
deep learning [0.0]
血管内光コヒーレンス断層撮影(IV OCT)画像における微小血管の自動検出法を開発した。
85病変,37病変から8,403例のOCT画像フレームを解析した。
本手法は,698枚の画像フレームに微小血管が存在するのに対し,手動による解析では730枚の画像フレームが4.4%の差を示した。
論文 参考訳（メタデータ） (2022-10-01T02:14:14Z) - Medical Application of Geometric Deep Learning for the Diagnosis of
Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。
全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。
ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文 参考訳（メタデータ） (2022-04-14T14:55:25Z) - 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) - Multi-Scale Input Strategies for Medulloblastoma Tumor Classification
using Deep Transfer Learning [59.30734371401316]
乳腺芽腫は小児で最も多い悪性脳腫瘍である。
CNNはMBサブタイプ分類に有望な結果を示した。
タイルサイズと入力戦略の影響について検討した。
論文 参考訳（メタデータ） (2021-09-14T09:42:37Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - COVIDLite: A depth-wise separable deep neural network with white balance
and CLAHE for detection of COVID-19 [1.1139113832077312]
COVIDLiteは、CLAHE(Contrast Limited Adaptive Histogram Equalization)とDSCNN(Deep-wise Separable Convolutional Neural Network)を組み合わせたホワイトバランスである。
提案したCOVIDLite法は,前処理のないバニラDSCNNと比較して性能が向上した。
提案手法は,2進分類では99.58%,多進分類では96.43%,最先端手法では96.43%であった。
論文 参考訳（メタデータ） (2020-06-19T02:30:34Z) - Deep Feature Fusion for Mitosis Counting [0.0]
有糸分裂細胞数は、乳がんの攻撃性または品位を評価する最も一般的な検査の1つである。
ディープラーニングネットワークは、興味のある領域を自動的にローカライズできる医療アプリケーションに適用されている。
提案手法は,オブジェクト検出のための高速RCNNを利用して,RGB画像特徴を持つUNetによって生成されたセグメンテーション機能を融合させ,MITOS-ATYPIA 2014 mitosis counting Challengeデータセット上で0.508のFスコアを達成する。
論文 参考訳（メタデータ） (2020-02-01T20:20:00Z)
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。