論文の概要: SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors
- arxiv url: http://arxiv.org/abs/2207.00458v1
- Date: Fri, 1 Jul 2022 14:30:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 16:29:44.350772
- Title: SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors
- Title(参考訳): SD-LayerNet:解剖学的先行表現を用いたOCTにおける半監督網膜層セグメンテーション
- Authors: Botond Fazekas, Guilherme Aresta, Dmitrii Lachinov, Sophie Riedl,
Julia Mai, Ursula Schmidt-Erfurth, Hrvoje Bogunovic
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.2663199451998475
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optical coherence tomography (OCT) is a non-invasive 3D modality widely used
in ophthalmology for imaging the retina. Achieving automated, anatomically
coherent retinal layer segmentation on OCT is important for the detection and
monitoring of different retinal diseases, like Age-related Macular Disease
(AMD) or Diabetic Retinopathy. However, the majority of state-of-the-art layer
segmentation methods are based on purely supervised deep-learning, requiring a
large amount of pixel-level annotated data that is expensive and hard to
obtain. With this in mind, we introduce a semi-supervised paradigm into the
retinal layer segmentation task that makes use of the information present in
large-scale unlabeled datasets as well as anatomical priors. In particular, a
novel fully differentiable approach is used for converting surface position
regression into a pixel-wise structured segmentation, allowing to use both 1D
surface and 2D layer representations in a coupled fashion to train the model.
In particular, these 2D segmentations are used as anatomical factors that,
together with learned style factors, compose disentangled representations used
for reconstructing the input image. In parallel, we propose a set of anatomical
priors to improve network training when a limited amount of labeled data is
available. We demonstrate on the real-world dataset of scans with intermediate
and wet-AMD that our method outperforms state-of-the-art when using our full
training set, but more importantly largely exceeds state-of-the-art when it is
trained with a fraction of the labeled data.
- Abstract(参考訳): 光コヒーレンス断層撮影(OCT)は、眼科領域で広く用いられている非侵襲的な3Dモダリティである。
老化関連黄斑病 (AMD) や糖尿病網膜症などの網膜疾患の検出とモニタリングには, OCT上の自動的, 解剖学的にコヒーレントな網膜層セグメンテーションが重要である。
しかし、最先端層分割法の大部分は純粋に教師付き深層学習に基づいており、高価で入手が難しい大量のピクセルレベルの注釈付きデータを必要とする。
このことを念頭に置いて、大規模未ラベルデータセットや解剖学的先行データに現れる情報を活用する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、表面位置の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を用いて、1次元曲面と2次元層表現を結合的に使用してモデルを訓練することができる。
特に、これらの2次元セグメンテーションは、学習されたスタイル因子とともに、入力画像の再構成に使用される異角形表現を構成する解剖学的要因として用いられる。
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。
我々は,本手法が完全なトレーニングセットを使用する場合,最先端よりも優れており,さらに,ラベル付きデータのごく一部でトレーニングされた場合,最先端のデータをはるかに上回る,中間的かつ湿潤なスキャンによる実世界のデータセットを実証する。
関連論文リスト
- Abnormality-Driven Representation Learning for Radiology Imaging [0.8321462983924758]
病変強調型コントラスト学習(LeCL)は,CTスキャンの異なる部位にわたる2次元軸方向スライスにおける異常により引き起こされる視覚的表現を得るための新しい手法である。
本研究は, 腫瘍病変位置, 肺疾患検出, 患者ステージングの3つの臨床的課題に対するアプローチを, 最先端の4つの基礎モデルと比較した。
論文 参考訳(メタデータ) (2024-11-25T13:53:26Z) - 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) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - 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) - Segmentation-guided Domain Adaptation and Data Harmonization of
Multi-device Retinal Optical Coherence Tomography using Cycle-Consistent
Generative Adversarial Networks [2.968191199408213]
本稿では,複数のデバイスからの画像を単一画像領域に適応させるセグメント化誘導型領域適応手法を提案する。
来るべき新しいデータセットに対する手動ラベリングの時間消費と、既存のネットワークの再トレーニングを回避する。
論文 参考訳(メタデータ) (2022-08-31T05:06:00Z) - 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) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-12-23T15:52:37Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳(メタデータ) (2020-09-10T01:57:53Z) - ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New
Model [41.444917622855606]
OCT-Aセグメンテーションデータセット(ROSE)は229枚のOCT-A画像からなり、中心線レベルまたは画素レベルで血管アノテーションを付加する。
次に,スプリットをベースとしたSCF-Net(Coarse-to-Fine vessel segmentation Network)を提案する。
SCF-Netでは、スプリットベース粗いセグメンテーション(SCS)モジュールを最初に導入し、スプリットベースリファインメント(SRN)モジュールを使用して形状・形状を最適化する。
論文 参考訳(メタデータ) (2020-07-10T06:54:19Z) - 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) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳(メタデータ) (2020-03-31T11:50:43Z)
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。