論文の概要: RAVIR: A Dataset and Methodology for the Semantic Segmentation and Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance Imaging

• arxiv url: http://arxiv.org/abs/2203.14928v1
• Date: Mon, 28 Mar 2022 17:30:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 14:14:46.399556
• Title: RAVIR: A Dataset and Methodology for the Semantic Segmentation and Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance Imaging
• Title（参考訳）: ravir : 赤外線反射イメージングにおける網膜動脈と静脈のセグメンテーションと定量的解析のためのデータセットと方法論
• Authors: Ali Hatamizadeh, Hamid Hosseini, Niraj Patel, Jinseo Choi, Cameron C. Pole, Cory M. Hoeferlin, Steven D. Schwartz and Demetri Terzopoulos
• Abstract要約: Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。 本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。 本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
• 参考スコア（独自算出の注目度）: 7.316426736150123
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The retinal vasculature provides important clues in the diagnosis and monitoring of systemic diseases including hypertension and diabetes. The microvascular system is of primary involvement in such conditions, and the retina is the only anatomical site where the microvasculature can be directly observed. The objective assessment of retinal vessels has long been considered a surrogate biomarker for systemic vascular diseases, and with recent advancements in retinal imaging and computer vision technologies, this topic has become the subject of renewed attention. In this paper, we present a novel dataset, dubbed RAVIR, for the semantic segmentation of Retinal Arteries and Veins in Infrared Reflectance (IR) imaging. It enables the creation of deep learning-based models that distinguish extracted vessel type without extensive post-processing. We propose a novel deep learning-based methodology, denoted as SegRAVIR, for the semantic segmentation of retinal arteries and veins and the quantitative measurement of the widths of segmented vessels. Our extensive experiments validate the effectiveness of SegRAVIR and demonstrate its superior performance in comparison to state-of-the-art models. Additionally, we propose a knowledge distillation framework for the domain adaptation of RAVIR pretrained networks on color images. We demonstrate that our pretraining procedure yields new state-of-the-art benchmarks on the DRIVE, STARE, and CHASE_DB1 datasets. Dataset link: https://ravirdataset.github.io/data/
• Abstract（参考訳）: 網膜血管は高血圧や糖尿病などの全身疾患の診断とモニタリングにおいて重要な手がかりとなる。 微小血管系はそのような状態に主に関与しており、網膜は微小血管を直接観察できる唯一の解剖学的部位である。 網膜血管の客観的評価は、長い間、全身血管疾患のサーロゲートバイオマーカーと考えられてきたが、近年の網膜イメージングやコンピュータビジョン技術の進歩に伴い、この話題は再び注目されている。 本稿では、赤外反射法(IR)画像における網膜動脈と静脈のセマンティックセグメンテーションのためのRAVIRと呼ばれる新しいデータセットを提案する。 これにより、広範囲な後処理なしで抽出された容器タイプを識別するディープラーニングベースのモデルを作成することができる。 本稿では,網膜動脈と静脈のセマンティックセグメンテーションと,セグメンテーションされた血管の幅を定量的に測定するために,SegRAVIRと呼ばれる新しい深層学習手法を提案する。 我々はSegRAVIRの有効性を検証し,その性能を最先端モデルと比較した。 さらに,カラー画像上でのRAVIR事前学習ネットワークのドメイン適応のための知識蒸留フレームワークを提案する。 我々の事前学習手順は、DRIVE、STARE、CHASE_DB1データセットに新しい最先端のベンチマークをもたらすことを示す。 データセットリンク: https://ravirdataset.github.io/data/

関連論文リスト

• Spatiotemporal Disentanglement of Arteriovenous Malformations in Digital Subtraction Angiography [37.44819725897024]
  本提案手法は, 船舶の自動分類による臨界情報を強調することにより, デジタルサブトラクション血管造影(DSA)画像シリーズを向上することを目的としている。 本法は, 臨床用DSA画像シリーズを用いて検討し, 動脈と静脈の効率的な鑑別を実証した。
  論文  参考訳（メタデータ） (2024-02-15T00:29:53Z)
• 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)
• DeepRGVP: A Novel Microstructure-Informed Supervised Contrastive Learning Framework for Automated Identification Of The Retinogeniculate Pathway Using dMRI Tractography [49.36718605738193]
  網膜発生経路(Retinogeniculate pathway、RGVP)は、網膜から外側の原核への視覚情報を伝達する役割を持つ。 我々は,dMRIトラクトログラフィーデータからRGVPを高速かつ正確な同定を可能にする,最初のディープラーニングフレームワークであるDeepRGVPを提案する。
  論文  参考訳（メタデータ） (2022-11-15T13:14:49Z)
• 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)
• 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)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• 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)
• 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)
• 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。