Fugu-MT 論文翻訳(概要): VAFO-Loss: VAscular Feature Optimised Loss Function for Retinal Artery/Vein Segmentation

論文の概要: VAFO-Loss: VAscular Feature Optimised Loss Function for Retinal Artery/Vein Segmentation

arxiv url: http://arxiv.org/abs/2203.06425v1
Date: Sat, 12 Mar 2022 12:40:20 GMT
ステータス: 処理完了
システム内更新日: 2022-03-15 15:13:20.807439
Title: VAFO-Loss: VAscular Feature Optimised Loss Function for Retinal Artery/Vein Segmentation
Title（参考訳）: VAFO-Loss : 網膜動脈・静脈分画における血管機能最適化
Authors: Yukun Zhou, Moucheng Xu, Yipeng Hu, Stefano B. Blumberg, An Zhao, Siegfried K. Wagner, Pearse A. Keane, and Daniel C. Alexander
Abstract要約: 血管密度とフラクタル次元の2つの共通血管的特徴は,分節内誤分類に敏感である。標準セグメンテーションネットワークにエンド・ツー・エンドのVAFO-Lossを組み込むことで血管機能推定が向上することを示す。また,機能最適化損失VAFO-Lossに偏りがあるにもかかわらず,セグメンテーションの統計学的に有意な改善が見られたことも技術的に興味深いことを報告した。
参考スコア（独自算出の注目度）: 7.670940374203646
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Estimating clinically-relevant vascular features following vessel segmentation is a standard pipeline for retinal vessel analysis, which provides potential ocular biomarkers for both ophthalmic disease and systemic disease. In this work, we integrate these clinical features into a novel vascular feature optimised loss function (VAFO-Loss), in order to regularise networks to produce segmentation maps, with which more accurate vascular features can be derived. Two common vascular features, vessel density and fractal dimension, are identified to be sensitive to intra-segment misclassification, which is a well-recognised problem in multi-class artery/vein segmentation particularly hindering the estimation of these vascular features. Thus we encode these two features into VAFO-Loss. We first show that incorporating our end-to-end VAFO-Loss in standard segmentation networks indeed improves vascular feature estimation, yielding quantitative improvement in stroke incidence prediction, a clinical downstream task. We also report a technically interesting finding that the trained segmentation network, albeit biased by the feature optimised loss VAFO-Loss, shows statistically significant improvement in segmentation metrics, compared to those trained with other state-of-the-art segmentation losses.
Abstract（参考訳）: 血管分割後の臨床的に関連のある血管特徴の推定は、眼疾患と全身疾患の両方に潜在的な眼バイオマーカーを提供する網膜血管分析の標準的なパイプラインである。本研究では,これらの臨床特徴を新たな血管特徴最適化損失関数 (vafo-loss) に統合し,ネットワークを正規化し,より正確な血管特徴を導出できる分節地図を作成する。血管密度とフラクタル次元の2つの共通した特徴は、血管内誤分類に敏感であることが判明しており、これは多系統動脈/肺動脈分画においてよく認識されている問題であり、特に血管的特徴の推定を妨げている。したがって、これらの2つの機能をVAFO-Lossにエンコードする。まず,標準セグメンテーションネットワークにエンド・ツー・エンドVAFO-Lossを組み込むことで血管機能評価が向上し,脳卒中発生予測の定量的改善が期待できることを示す。また,機能最適化損失 VAFO-Loss に偏りがあるにもかかわらず,訓練されたセグメンテーションネットワークは,他の最先端セグメンテーション損失と比較して,統計的に有意なセグメンテーション指標の改善を示した。

関連論文リスト

MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
論文参考訳（メタデータ） (2023-05-05T15:22:20Z)
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)
Adversarial Transformer for Repairing Human Airway Segmentation [7.176060570019899]
本稿では,従来のCT画像とともに事前分割を行い,気道構造の精細化マスクを出力するパッチスケール対向型精細化ネットワークを提案する。その結果, 7つの測定値から定量的に評価し, 検出された長さ比と検出された枝比の15%以上を達成できた。
論文参考訳（メタデータ） (2022-10-21T15:20:08Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-03T14:06:03Z)
Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文参考訳（メタデータ） (2021-10-11T07:13:26Z)
AIFNet: Automatic Vascular Function Estimation for Perfusion Analysis Using Deep Learning [0.0]
デコンボリューション法は、臨床的に解釈可能な灌流パラメータを得るために用いられる。 AIFNetは、血管機能を推定するための、完全自動でエンドツーエンドのトレーニング可能なディープラーニングアプローチである。我々は、AIFNetは、臨床転移の可能性があり、脱畳ソフトウェアに組み込むことができると結論付けた。
論文参考訳（メタデータ） (2020-10-04T16:14:45Z)
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)
Joint Learning of Vessel Segmentation and Artery/Vein Classification with Post-processing [27.825969553813092]
血管分節と動脈・静脈の分類は、潜在的な疾患について様々な情報を提供する。我々は、UNetベースのモデルSeqNetを採用し、背景から船舶を正確に分割し、船舶のタイプを予測する。実験の結果,AUCを0.98に改善し,DRIVEデータセットの分類精度は0.92に向上した。
論文参考訳（メタデータ） (2020-05-27T13:06:16Z)
clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文参考訳（メタデータ） (2020-03-16T16:27:49Z)
Neural Network Segmentation of Interstitial Fibrosis, Tubular Atrophy, and Glomerulosclerosis in Renal Biopsies [0.0]
糸球体硬化症,間質線維症,尿細管萎縮症(IFTA)は腎障害の組織学的指標である。現代の人工知能とコンピュータビジョンアルゴリズムは、厳密な量子化によって、サーバ間の変動を低減する能力を持っている。腎生検における糸球体硬化症とIFTAのセグメンテーションに畳み込みニューラルネットワークを適用した。
論文参考訳（メタデータ） (2020-02-28T17:05:59Z)

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。