論文の概要: Differentiable Projection from Optical Coherence Tomography B-Scan
without Retinal Layer Segmentation Supervision
- arxiv url: http://arxiv.org/abs/2206.05472v1
- Date: Sat, 11 Jun 2022 08:57:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 17:01:09.840721
- Title: Differentiable Projection from Optical Coherence Tomography B-Scan
without Retinal Layer Segmentation Supervision
- Title(参考訳): 光コヒーレンス・トモグラフィーBスキャンからの網膜層分割監督無しの可微分投影
- Authors: Dingyi Rong, Jiancheng Yang, Bingbing Ni, Bilian Ke
- Abstract要約: 光コヒーレンストモグラフィー(OCT)Bスキャンからのプロジェクションマップ(PM)は網膜疾患を診断するための重要なツールである。
BスキャンからPMを予測するための新しいエンドツーエンドフレームワークを提案する。
網膜層間の一様にサンプリングされた座標にピクセルを配置することで, 対応するPMをプールすることで容易に得ることができた。
- 参考スコア(独自算出の注目度): 39.63983686726568
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Projection map (PM) from optical coherence tomography (OCT) B-scan is an
important tool to diagnose retinal diseases, which typically requires retinal
layer segmentation. In this study, we present a novel end-to-end framework to
predict PMs from B-scans. Instead of segmenting retinal layers explicitly, we
represent them implicitly as predicted coordinates. By pixel interpolation on
uniformly sampled coordinates between retinal layers, the corresponding PMs
could be easily obtained with pooling. Notably, all the operators are
differentiable; therefore, this Differentiable Projection Module (DPM) enables
end-to-end training with the ground truth of PMs rather than retinal layer
segmentation. Our framework produces high-quality PMs, significantly
outperforming baselines, including a vanilla CNN without DPM and an
optimization-based DPM without a deep prior. Furthermore, the proposed DPM, as
a novel neural representation of areas/volumes between curves/surfaces, could
be of independent interest for geometric deep learning.
- Abstract(参考訳): 光コヒーレンストモグラフィー(OCT)Bスキャンからの投影マップ(PM)は、網膜層分画を必要とする網膜疾患を診断するための重要なツールである。
本研究では,BスキャンからPMを予測する新しいエンドツーエンドフレームワークを提案する。
網膜層を明示的にセグメント化するのではなく、予測座標として暗黙的に表現する。
網膜層間の一様にサンプリングされた座標に対する画素補間により, 対応するPMはプールにより容易に得ることができた。
特に、すべての作用素は微分可能であり、したがってこの微分可能射影モジュール(DPM)は網膜層セグメンテーションではなく、PMの基底真実によるエンドツーエンドのトレーニングを可能にする。
我々のフレームワークは、DPMのないバニラCNNや、深く先行しない最適化ベースのDPMなど、非常に優れたベースラインを生成する。
さらに,提案するdpmは,曲線/曲面間の領域/体積の新しいニューラル表現として,幾何学的深層学習に独立した関心を持つことができた。
関連論文リスト
- Retinal OCT Synthesis with Denoising Diffusion Probabilistic Models for
Layer Segmentation [2.4113205575263708]
本稿では,拡散確率モデル(DDPM)を用いて網膜光コヒーレンス断層撮影(OCT)画像を自動的に生成する画像合成手法を提案する。
階層分割の精度を一貫して改善し,様々なニューラルネットワークを用いて検証する。
これらの結果から,網膜CT画像の手動アノテーションの必要性が軽減される可能性が示唆された。
論文 参考訳(メタデータ) (2023-11-09T16:09:24Z) - Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。
また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文 参考訳(メタデータ) (2023-08-28T12:55:13Z) - 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) - A deep learning network with differentiable dynamic programming for
retina OCT surface segmentation [9.31543407418766]
本研究では,制約付き微分可能な動的プログラムモジュールで特徴学習用U-Netを統一し,網膜CT表面分割のためのエンドツーエンド学習を実現することを提案する。
下流モデル最適化モジュールからのフィードバックを効果的に活用し、特徴学習をガイドし、ターゲット表面のグローバルな構造をより良くする。
論文 参考訳(メタデータ) (2022-10-08T16:26:09Z) - RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional
Network for Retinal OCT Fluid Segmentation [3.57686754209902]
OCTガイド下治療には網膜液の定量化が必要である。
RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。
モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
論文 参考訳(メタデータ) (2022-09-26T07:18:00Z) - Superficial White Matter Analysis: An Efficient Point-cloud-based Deep
Learning Framework with Supervised Contrastive Learning for Consistent
Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。
ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。
本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文 参考訳(メタデータ) (2022-07-18T23:07:53Z) - SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors [4.2663199451998475]
網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。
特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。
並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
論文 参考訳(メタデータ) (2022-07-01T14:30:59Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Transient motion classification through turbid volumes via parallelized
single-photon detection and deep contrastive embedding [12.806431481376787]
並列化単一光子dEtection (CREPE) を用いた高速デコリレーションイベントの分類手法を提案する。
332時間s32ピクセルSPADアレイからのパラレル化スペックルを用いて、タービッドボリュームの下に隠された異なる非相関運動を高い感度で探索し分類することができる。
これは、例えば異常な脳血流のイベントを識別するなど、通常、深部組織の動きパターンを監視するために応用される可能性がある。
論文 参考訳(メタデータ) (2022-04-04T14:27:36Z) - Modality Completion via Gaussian Process Prior Variational Autoencoders
for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。
MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。
4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文 参考訳(メタデータ) (2021-07-07T19:06:34Z)
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。