論文の概要: Application of Top-hat Transformation for Enhanced Blood Vessel Extraction

• arxiv url: http://arxiv.org/abs/2203.10005v1
• Date: Fri, 18 Mar 2022 15:07:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 16:50:33.635001
• Title: Application of Top-hat Transformation for Enhanced Blood Vessel Extraction
• Title（参考訳）: 血管抽出におけるtop-hat変換の応用
• Authors: Tithi Parna Das, Sheetal Praharaj, Sarita Swain, Sumanshu Agarwal, and Kundan Kumar
• Abstract要約: B-COSFIREフィルタとトップハットを用いた前処理手法を統合し,背景からより正確な血管画素の分離を実現する。 提案アルゴリズムは, 文献に報告されている様々なアルゴリズムと比較して, より効率的である。
• 参考スコア（独自算出の注目度）: 0.8912878740613716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the medical domain, different computer-aided diagnosis systems have been proposed to extract blood vessels from retinal fundus images for the clinical treatment of vascular diseases. Accurate extraction of blood vessels from the fundus images using a computer-generated method can help the clinician to produce timely and accurate reports for the patient suffering from these diseases. In this article, we integrate top-hat based preprocessing approach with fine-tuned B-COSFIRE filter to achieve more accurate segregation of blood vessel pixels from the background. The use of top-hat transformation in the preprocessing stage enhances the efficacy of the algorithm to extract blood vessels in presence of structures like fovea, exudates, haemorrhages, etc. Furthermore, to reduce the false positives, small clusters of blood vessel pixels are removed in the postprocessing stage. Further, we find that the proposed algorithm is more efficient as compared to various modern algorithms reported in the literature.
• Abstract（参考訳）: 医療分野では、網膜基底画像から血管を抽出し、血管疾患の臨床的治療を行うコンピュータ支援診断システムが提案されている。 コンピュータ生成法を用いて基底画像からの正確な血管抽出は、臨床医がこれらの疾患に罹患した患者のタイムリーかつ正確な報告を作成するのに役立つ。 本稿では,B-COSFIREフィルタとトップハットを用いた前処理手法を統合し,背景からの血管画素のより正確な分離を実現する。 事前処理段階におけるトップハット変換の使用は,fovea,exudate,haemorrhagesなどの構造の存在下で血管を抽出するアルゴリズムの有効性を高める。 さらに、偽陽性を減少させるために、後処理段階において、微小な血管画素のクラスターを除去する。 さらに,本アルゴリズムは,文献で報告されている様々な現代アルゴリズムに比べ,より効率的であることが判明した。

関連論文リスト

• Deep convolutional framelets for dose reconstruction in BNCT with Compton camera detector [0.0]
  BNCTは、中性子捕捉反応10B(n,$alpha$)7Liに基づいて、がん組織に対して高い選択性を有する、革新的な放射線治療である。 本研究の目的は,BNCTコンプトンカメラ画像のシミュレーションデータセットを用いて,線量分布を推定するディープニューラルネットワークモデルを開発することである。
  論文  参考訳（メタデータ） (2024-09-24T09:34:19Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• C-DARL: Contrastive diffusion adversarial representation learning for label-free blood vessel segmentation [39.79157116429435]
  本稿では,C-DARLモデルと呼ばれる自己教師型血管分割手法を提案する。 本モデルは,多領域血管データの分布を学習する拡散モジュールと生成モジュールから構成される。 有効性を検証するために、C-DARLは冠動脈血管造影、腹部デジタルサブトラクション血管造影、網膜画像などの様々な血管データセットを用いて訓練される。
  論文  参考訳（メタデータ） (2023-07-31T23:09:01Z)
• 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)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• Parametric Scaling of Preprocessing assisted U-net Architecture for Improvised Retinal Vessel Segmentation [1.3869502085838448]
  本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。 ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
  論文  参考訳（メタデータ） (2022-03-18T15:26:05Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• 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)
• Blood vessel segmentation in en-face OCTA images: a frequency based method [3.6055028453181013]
  本稿では,画像の周波数表現に基づく血管識別手法を提案する。 このアルゴリズムは、Cirrus HD-OCTデバイスによって取得された10ドルの眼から得られるOCTA画像データセットに基づいて評価される。
  論文  参考訳（メタデータ） (2021-09-13T16:42:58Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。