論文の概要: Retinal Structure Detection in OCTA Image via Voting-based Multi-task Learning

• arxiv url: http://arxiv.org/abs/2208.10745v1
• Date: Tue, 23 Aug 2022 05:53:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-24 13:50:53.890529
• Title: Retinal Structure Detection in OCTA Image via Voting-based Multi-task Learning
• Title（参考訳）: 投票型マルチタスク学習によるOCTA画像の網膜構造検出
• Authors: Jinkui Hao, Ting Shen, Xueli Zhu, Yonghuai Liu, Ardhendu Behera, Dan Zhang, Bang Chen, Jiang Liu, Jiong Zhang, Yitian Zhao
• Abstract要約: 本稿では,Voting-based Adaptive Feature Fusion multi-task network (VAFF-Net) を提案する。 タスク固有の投票ゲートモジュールは、特定のタスクに対して2段階の異なる特徴を適応的に抽出し、融合するために提案される。 さらなる研究を容易にするため、ソースコードと評価ベンチマークを備えたデータセットの一部がパブリックアクセス用にリリースされた。
• 参考スコア（独自算出の注目度）: 27.637273690432608
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated detection of retinal structures, such as retinal vessels (RV), the foveal avascular zone (FAZ), and retinal vascular junctions (RVJ), are of great importance for understanding diseases of the eye and clinical decision-making. In this paper, we propose a novel Voting-based Adaptive Feature Fusion multi-task network (VAFF-Net) for joint segmentation, detection, and classification of RV, FAZ, and RVJ in optical coherence tomography angiography (OCTA). A task-specific voting gate module is proposed to adaptively extract and fuse different features for specific tasks at two levels: features at different spatial positions from a single encoder, and features from multiple encoders. In particular, since the complexity of the microvasculature in OCTA images makes simultaneous precise localization and classification of retinal vascular junctions into bifurcation/crossing a challenging task, we specifically design a task head by combining the heatmap regression and grid classification. We take advantage of three different \textit{en face} angiograms from various retinal layers, rather than following existing methods that use only a single \textit{en face}. To facilitate further research, part of these datasets with the source code and evaluation benchmark have been released for public access:https://github.com/iMED-Lab/VAFF-Net.
• Abstract（参考訳）: 網膜血管(RV)、胎児血管領域(FAZ)、網膜血管ジャンクション(RVJ)などの網膜構造の自動検出は、眼の疾患の理解と臨床的意思決定において非常に重要である。 本稿では,光コヒーレンス断層撮影血管造影(OCTA)におけるRV,FAZ,RVJの結合分割,検出,分類のための新しいVoting-based Adaptive Feature Fusion Multi-task Network (VAFF-Net)を提案する。 一つのエンコーダから異なる空間位置における特徴と、複数のエンコーダからの特徴の2つのレベルにおいて、特定のタスクに対して異なる特徴を適応的に抽出・融合するタスク固有投票ゲートモジュールを提案する。 特に、OCTA画像における微小血管の複雑さは、網膜血管ジャンクションの正確な局所化と分岐/交差を同時に行うため、熱マップ回帰と格子分類を組み合わせたタスクヘッドを特に設計する。 1つの \textit{en face}のみを使用する既存の方法に従うのではなく、様々な網膜層から3つの異なる \textit{en face}アンギオグラムを利用する。 さらなる研究を容易にするために、ソースコードと評価ベンチマークを備えたデータセットの一部がパブリックアクセス用にリリースされた。

関連論文リスト

• DiffVein: A Unified Diffusion Network for Finger Vein Segmentation and Authentication [50.017055360261665]
  DiffVeinは、静脈分割と認証タスクを同時に処理する統合拡散モデルベースのフレームワークである。 これら2つのブランチ間の機能相互作用を改善するために,2つの特別なモジュールを導入する。 このようにして、我々のフレームワークは拡散とセグメンテーションの埋め込みの間の動的相互作用を可能にする。
  論文  参考訳（メタデータ） (2024-02-03T06:49:42Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• M$^{2}$SNet: Multi-scale in Multi-scale Subtraction Network for Medical Image Segmentation [73.10707675345253]
  医用画像から多様なセグメンテーションを仕上げるマルチスケールサブトラクションネットワーク(M$2$SNet)を提案する。 本手法は,4つの異なる医用画像セグメンテーションタスクの11つのデータセットに対して,異なる評価基準の下で,ほとんどの最先端手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2023-03-20T06:26:49Z)
• 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)
• 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)
• (M)SLAe-Net: Multi-Scale Multi-Level Attention embedded Network for Retinal Vessel Segmentation [0.0]
  マルチステージ処理の課題に対処するため,マルチスケールでマルチレベルなCNNアーキテクチャ((M)SLAe-Net)を提案する。 我々は、複数のスケールとネットワークの複数のレベルの特徴を抽出することで、我々のモデルが局所的およびグローバル的特徴を全体的に抽出することを可能にする。 D-DPPモジュールは細管に効率よくタスク特異的な損失機能を持たせることで,クロスデータ性能の向上を実現した。
  論文  参考訳（メタデータ） (2021-09-05T14:29:00Z)
• Projective Skip-Connections for Segmentation Along a Subset of Dimensions in Retinal OCT [5.252775177165399]
  医療画像では、出力マスクが入力画像次元のサブセットへの投影である、臨床的に関連するセグメンテーションタスクが存在する。 より低次元のセグメンテーションマスクを効果的に生成できる新しい畳み込みニューラルネットワークアーキテクチャを提案する。 ネットワークは、入力された空間次元のサブセットにのみ符号化された表現を復元し、他の部分で表現を変更せずに保持する。
  論文  参考訳（メタデータ） (2021-08-02T12:41:58Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。