論文の概要: Parametric Scaling of Preprocessing assisted U-net Architecture for
Improvised Retinal Vessel Segmentation
- arxiv url: http://arxiv.org/abs/2203.10014v1
- Date: Fri, 18 Mar 2022 15:26:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-21 14:20:48.817939
- Title: Parametric Scaling of Preprocessing assisted U-net Architecture for
Improvised Retinal Vessel Segmentation
- Title(参考訳): 改良網膜血管セグメンテーションのための前処理支援U-netアーキテクチャのパラメトリックスケーリング
- Authors: Kundan Kumar and Sumanshu Agarwal
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.3869502085838448
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extracting blood vessels from retinal fundus images plays a decisive role in
diagnosing the progression in pertinent diseases. In medical image analysis,
vessel extraction is a semantic binary segmentation problem, where blood
vasculature needs to be extracted from the background. Here, we present an
image enhancement technique based on the morphological preprocessing coupled
with a scaled U-net architecture. Despite a relatively less number of trainable
network parameters, the scaled version of U-net architecture provides better
performance compare to other methods in the domain. We validated the proposed
method on retinal fundus images from the DRIVE database. A significant
improvement as compared to the other algorithms in the domain, in terms of the
area under ROC curve (>0.9762) and classification accuracy (>95.47%) are
evident from the results. Furthermore, the proposed method is resistant to the
central vessel reflex while sensitive to detect blood vessels in the presence
of background items viz. exudates, optic disc, and fovea.
- Abstract(参考訳): 網膜基底画像から血管を抽出することは、関連する疾患の進行を診断する上で決定的な役割を果たす。
医用画像解析では、血管抽出は意味的な二分節分画問題であり、背景から血管を抽出する必要がある。
本稿では,形態素前処理と拡張U-netアーキテクチャを組み合わせた画像強調手法を提案する。
トレーニング可能なネットワークパラメータの数は比較的少ないが、拡張バージョンのU-netアーキテクチャでは、ドメイン内の他のメソッドと比較してパフォーマンスが向上している。
DRIVEデータベースからの網膜基底画像に対する提案手法の検証を行った。
この結果から,roc曲線下の領域 (>0.9762) と分類精度 (>95.47%) において,領域内の他のアルゴリズムと比較して有意な改善が認められた。
さらに,本提案法は,視神経系,視神経系,眼窩系の存在下での血管検出に敏感でありながら,中枢血管反射に耐性がある。
関連論文リスト
- Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - 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) - 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) - 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) - 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) - Transfer Learning Through Weighted Loss Function and Group Normalization
for Vessel Segmentation from Retinal Images [0.0]
血管の血管構造は緑内障や糖尿病網膜症などの網膜疾患の診断に重要である。
深層学習とトランスファー学習を併用した網膜血管のセグメンテーション手法を提案する。
提案手法は,他の手法よりもセグメンテーション精度が高い。
論文 参考訳(メタデータ) (2020-12-16T20:34:48Z) - 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) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳(メタデータ) (2020-05-12T08:01:16Z) - Dense Residual Network for Retinal Vessel Segmentation [8.778525346264466]
走査型レーザー眼鏡視下網膜像において,血管の分画を効果的に行う方法を提案する。
U-Net,「機能マップの再利用」,残差学習に触発され,DRNetと呼ばれる高密度残差ネットワーク構造を提案する。
本手法は,データ拡張を伴わずとも最先端の性能を実現する。
論文 参考訳(メタデータ) (2020-04-07T20:42:13Z) - 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。