論文の概要: Data-centric AI approach to improve optic nerve head segmentation and
localization in OCT en face images
- arxiv url: http://arxiv.org/abs/2208.03868v1
- Date: Mon, 8 Aug 2022 01:57:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 12:57:09.888239
- Title: Data-centric AI approach to improve optic nerve head segmentation and
localization in OCT en face images
- Title(参考訳): OCT顔画像における視神経頭分割と局在性改善のためのデータ中心型AIアプローチ
- Authors: Thomas Schlegl, Heiko Stino, Michael Niederleithner, Andreas
Pollreisz, Ursula Schmidt-Erfurth, Wolfgang Drexler, Rainer A. Leitgeb,
Tilman Schmoll
- Abstract要約: 光コヒーレンストモグラフィーにおける視神経頭部検出と局所化の訓練を,網膜の顔画像で行うためのデータ中心のアプローチに従う。
本稿では,3次元広視野赤外光コヒーレンストモグラフィースキャンの2次元面投影における視神経頭部のセグメンテーションのための機械学習手法を提案する。
- 参考スコア(独自算出の注目度): 2.62820687472774
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The automatic detection and localization of anatomical features in retinal
imaging data are relevant for many aspects. In this work, we follow a
data-centric approach to optimize classifier training for optic nerve head
detection and localization in optical coherence tomography en face images of
the retina. We examine the effect of domain knowledge driven spatial complexity
reduction on the resulting optic nerve head segmentation and localization
performance. We present a machine learning approach for segmenting optic nerve
head in 2D en face projections of 3D widefield swept source optical coherence
tomography scans that enables the automated assessment of large amounts of
data. Evaluation on manually annotated 2D en face images of the retina
demonstrates that training of a standard U-Net can yield improved optic nerve
head segmentation and localization performance when the underlying pixel-level
binary classification task is spatially relaxed through domain knowledge.
- Abstract(参考訳): 網膜画像データにおける解剖学的特徴の自動検出と局在は,多くの点で関連している。
本研究では,網膜の光コヒーレンス断層撮影における視神経頭部検出と局在の分類訓練を最適化するデータ中心のアプローチに従う。
ドメイン知識による空間的複雑性の低減が視神経頭部のセグメンテーションと局在化に与える影響について検討した。
本稿では,3次元広視野スウェプト源光コヒーレンス断層撮影の2次元面投影における視神経頭部のセグメント化のための機械学習手法を提案する。
手動アノテートされた網膜の2次元顔画像の評価により、標準的なU-Netのトレーニングは、基礎となるピクセルレベルのバイナリ分類タスクがドメイン知識によって空間的に緩和された場合、視神経頭分割と局所化性能を向上させることが示されている。
関連論文リスト
- Automated Segmentation and Analysis of Cone Photoreceptors in Multimodal Adaptive Optics Imaging [3.7243418909643093]
共焦点・非共焦点分割検出器画像を用いて光受容体を解析し,精度を向上した。
共焦点のためのStarDistと計算モダリティのためのCellposeの2つのU-Netセグメンテーションモデルについて検討した。
論文 参考訳(メタデータ) (2024-10-19T17:10:38Z) - 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) - 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) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳(メタデータ) (2022-06-17T10:17:24Z) - Deep Learning based Framework for Automatic Diagnosis of Glaucoma based
on analysis of Focal Notching in the Optic Nerve Head [0.2580765958706854]
デジタルファンドイメージ(DFI)から光ディスク(OD)とオプティカルカップ(OC)領域の自動セグメンテーションのための深層学習パイプラインを提案する。
本手法は、緑内障解析におけるコンピュータ支援デザイン(CAD)システムの精度を高めるために、ニューロ網膜リムの焦点ノッチ解析とカップ・ツー・ディスク比の値を分類パラメータとして利用した。
提案したパイプラインは、DFIから緑内障を検出するための93.33%の精度で、無料で利用可能なDRISHTI-GSデータセットで評価された。
論文 参考訳(メタデータ) (2021-12-10T18:58:40Z) - Automatic Segmentation of the Optic Nerve Head Region in Optical
Coherence Tomography: A Methodological Review [4.777796444711511]
視神経頭は、視神経(ONH)の眼内部分を表す。
光コヒーレンストモグラフィーの出現により、新しい視神経頭部パラメータの評価が可能となった。
ディープラーニングに基づくアルゴリズムは、ONHの異なる構造を分割する上で、最高の精度、感度、特異性を提供する。
論文 参考訳(メタデータ) (2021-09-06T09:45:57Z) - NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文 参考訳(メタデータ) (2020-08-07T04:31:33Z) - 4D Spatio-Temporal Convolutional Networks for Object Position Estimation
in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。
我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文 参考訳(メタデータ) (2020-07-02T12:02:20Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-05-15T23:57:36Z) - 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。