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

• Formula-Driven Data Augmentation and Partial Retinal Layer Copying for Retinal Layer Segmentation [5.127202044502064]
  OCT画像のための新しいデータ拡張手法を提案する。 フォーミュラ駆動データ拡張は様々な網膜構造をエミュレートする。 PRLCは網膜層の一部をコピーし、網膜層の外の領域に貼り付ける。
  論文  参考訳（メタデータ） (2024-10-02T02:37:11Z)
• MM-UNet: A Mixed MLP Architecture for Improved Ophthalmic Image Segmentation [3.2846676620336632]
  眼科画像分割は眼疾患の診断において重要な基礎となる。 トランスフォーマーベースのモデルはこれらの制限に対処するが、かなりの計算オーバーヘッドをもたらす。 本稿では,眼内画像分割に適したMixedモデルであるMM-UNetを紹介する。
  論文  参考訳（メタデータ） (2024-08-16T08:34:50Z)
• CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
  スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。 暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
  論文  参考訳（メタデータ） (2024-06-21T08:38:30Z)
• 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)
• 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。