論文の概要: PVBM: A Python Vasculature Biomarker Toolbox Based On Retinal Blood Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2208.00392v1
• Date: Sun, 31 Jul 2022 08:22:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 13:46:18.957387
• Title: PVBM: A Python Vasculature Biomarker Toolbox Based On Retinal Blood Vessel Segmentation
• Title（参考訳）: PVBM:網膜血管セグメンテーションに基づくPythonのバイオマーカーツールボックス
• Authors: Jonathan Fhima, Jan Van Eijgen, Ingeborg Stalmans, Yevgeniy Men, Moti Freiman, Joachim A. Behar
• Abstract要約: 血管の非侵襲的可視化 コンピュータビジョンと画像セグメンテーションの最近の進歩は、DFI血管セグメンテーションの自動化を可能にする。 デジタル血管バイオマーカーを自動的に計算できるリソースが必要である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Introduction: Blood vessels can be non-invasively visualized from a digital fundus image (DFI). Several studies have shown an association between cardiovascular risk and vascular features obtained from DFI. Recent advances in computer vision and image segmentation enable automatising DFI blood vessel segmentation. There is a need for a resource that can automatically compute digital vasculature biomarkers (VBM) from these segmented DFI. Methods: In this paper, we introduce a Python Vasculature BioMarker toolbox, denoted PVBM. A total of 11 VBMs were implemented. In particular, we introduce new algorithmic methods to estimate tortuosity and branching angles. Using PVBM, and as a proof of usability, we analyze geometric vascular differences between glaucomatous patients and healthy controls. Results: We built a fully automated vasculature biomarker toolbox based on DFI segmentations and provided a proof of usability to characterize the vascular changes in glaucoma. For arterioles and venules, all biomarkers were significant and lower in glaucoma patients compared to healthy controls except for tortuosity, venular singularity length and venular branching angles. Conclusion: We have automated the computation of 11 VBMs from retinal blood vessel segmentation. The PVBM toolbox is made open source under a GNU GPL 3 license and is available on physiozoo.com (following publication).
• Abstract（参考訳）: 序論: 血管はdfi(digital fundus image)から非侵襲的に可視化できる。 いくつかの研究で、DFIから得られた心血管のリスクと血管の特徴との関連が示されている。 コンピュータビジョンと画像セグメンテーションの最近の進歩は、DFI血管セグメンテーションの自動化を可能にする。 これらのセグメント化されたDFIからVBM(Digital vasculature Biomarker)を自動的に計算できるリソースが必要である。 方法:本稿では,PVBMと表記されるPython Vasculature BioMarkerツールボックスを紹介する。 合計11機のvbmが実装された。 特に,tortuosity と branching angle を推定するための新しいアルゴリズム手法を提案する。 pvbmとユーザビリティの証明として,緑内障患者と健康管理者の血管の幾何学的差異を分析した。 結果: DFIセグメンテーションに基づく完全自動血管バイオマーカーツールボックスを構築し,緑内障の血管変化を特徴付けるための有用性を示した。 緑内障患者では, 動脈および静脈に対するバイオマーカーの有意差は認められなかったが, 有意差は認められなかった。 結論: 網膜血管セグメンテーションから11個のVBMの計算を自動化した。 PVBMツールボックスはGNU GPL 3ライセンスでオープンソース化され、physiozoo.comで公開されている。

関連論文リスト

• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• Robust semi-automatic vessel tracing in the human retinal image by an instance segmentation neural network [1.324564545341267]
  ケースセグメンテーションニューラルネットワーク(InSegNN)による人間の眼底画像に対する頑健な半自動血管追跡アルゴリズムの新たなアプローチを提案する。 InSegNNは、異なる血管樹を個別に分離し、ラベル付けすることで、枝分かれ全体を通して各木をトレースすることができる。 底面画像から個々の血管木を抽出し,同時に血管階層情報を保持することを実証した。
  論文  参考訳（メタデータ） (2024-02-15T16:25:28Z)
• TransONet: Automatic Segmentation of Vasculature in Computed Tomographic Angiograms Using Deep Learning [0.08376229126363229]
  末梢動脈疾患(PAD)手術中の患者の画像に血管系を区分する深層学習モデルを提案する。 本研究は,(1)下行胸部大動脈から腸骨分岐部,(2)下行胸部大動脈からCTA画像の膝までを深層学習技術を用いて正確に分類することに焦点を当てた。
  論文  参考訳（メタデータ） (2023-11-17T04:59:08Z)
• Interpretable Diabetic Retinopathy Diagnosis based on Biomarker Activation Map [2.6170980960630037]
  生成的対角学習に基づく新しいバイオマーカー活性化マップ(BAM)フレームワークを提案する。 456個の黄斑スキャンを含むデータセットを、現在の臨床基準に基づいて非参照型または参照型DRとして評価した。 生成したBAMは非灌流領域や網膜液を含む既知の病態の特徴を強調した。
  論文  参考訳（メタデータ） (2022-12-13T00:45:46Z)
• 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)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• RAVIR: A Dataset and Methodology for the Semantic Segmentation and Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance Imaging [7.316426736150123]
  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。
  論文  参考訳（メタデータ） (2022-03-28T17:30:29Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• The RETA Benchmark for Retinal Vascular Tree Analysis [6.923431677344723]
  網膜血管分析を容易にするために,81個のラベル付き血管マスクを用いた新しいベンチマークRETAを構築した。 データセット構築中に、アノテーション間の変動とアノテーション内の変動を制御しようと試みた。 ユーザは、コンテナセグメンテーションアルゴリズムを開発したり、私たちのデータセットでコンテナセグメンテーションのパフォーマンスを評価したりできます。
  論文  参考訳（メタデータ） (2021-11-23T05:10:38Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• 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)

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。