論文の概要: Segmentation-based Information Extraction and Amalgamation in Fundus
Images for Glaucoma Detection
- arxiv url: http://arxiv.org/abs/2209.11456v1
- Date: Fri, 23 Sep 2022 07:39:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 17:17:12.362370
- Title: Segmentation-based Information Extraction and Amalgamation in Fundus
Images for Glaucoma Detection
- Title(参考訳): 緑内障検出のための眼底画像のセグメンテーションに基づく情報抽出とアマルガメーション
- Authors: Yanni Wang, Gang Yang, Dayong Ding, Jianchun Zao
- Abstract要約: 緑内障の診断における眼底画像とセグメンテーションマスクの関係は稀である。
本稿では,緑内障検出作業のためのセグメンテーションに基づく情報抽出とアマルガメーション手法を提案する。
- 参考スコア(独自算出の注目度): 3.5426952641410496
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Glaucoma is a severe blinding disease, for which automatic detection methods
are urgently needed to alleviate the scarcity of ophthalmologists. Many works
have proposed to employ deep learning methods that involve the segmentation of
optic disc and cup for glaucoma detection, in which the segmentation process is
often considered merely as an upstream sub-task. The relationship between
fundus images and segmentation masks in terms of joint decision-making in
glaucoma assessment is rarely explored. We propose a novel segmentation-based
information extraction and amalgamation method for the task of glaucoma
detection, which leverages the robustness of segmentation masks without
disregarding the rich information in the original fundus images. Experimental
results on both private and public datasets demonstrate that our proposed
method outperforms all models that utilize solely either fundus images or
masks.
- Abstract(参考訳): 緑内障は重篤な盲目疾患であり、眼科医の不足を軽減するために自動検出手法が緊急に必要である。
緑内障検出には視板とカップのセグメンテーションを含む深層学習法を採用することが提案されており、セグメンテーションプロセスは単に上流のサブタスクと見なされることが多い。
緑内障評価における共同意思決定の観点からの眼底画像とセグメンテーションマスクの関係について検討することは稀である。
本研究は,眼底画像のリッチな情報を無視しずにセグメンテーションマスクの堅牢性を活用する,緑内障検出タスクのための,新しいセグメンテーションに基づく情報抽出とアマルガメーション手法を提案する。
実験結果から,提案手法は,ファンドス画像やマスクのみを用いたモデルよりも優れていることが示された。
関連論文リスト
- Improving Vision Anomaly Detection with the Guidance of Language
Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。
本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。
視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文 参考訳(メタデータ) (2023-10-04T13:44:56Z) - AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image
Segmentation [67.97926983664676]
自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。
しかし,このような手法を医用画像に直接適用することは依然として困難である。
適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-08T13:18:10Z) - Automatic detection of glaucoma via fundus imaging and artificial
intelligence: A review [0.4215938932388722]
緑内障は世界中で不可逆的な視覚障害の原因となっている。
ファンダスイメージングは非侵襲的で低コストである。
人工知能は、光学カップとディスクの境界を自動的に見つけることができる。
論文 参考訳(メタデータ) (2022-04-12T07:47:13Z) - JOINED : Prior Guided Multi-task Learning for Joint Optic Disc/Cup
Segmentation and Fovea Detection [1.2250035750661867]
そこで本研究では, JOINEDという新しい手法を用いて, 複数タスク学習を先導し, OD/OCセグメンテーションと卵胞検出を行った。
提案するJOINEDパイプラインは粗い段と細かい段からなる。
実験の結果,提案したJOINEDは既存の最先端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) (2022-03-01T13:47:48Z) - GAMMA Challenge:Glaucoma grAding from Multi-Modality imAges [48.98620387924817]
グラウコーマgAding from Multi-Modality imAges (GAMMA) Challenge を作成した。
この課題の主な課題は,2次元眼底画像と3D OCTスキャンボリュームから緑内障を診断することである。
緑内障のカラー写真と3D OCTボリュームを併用した緑内障アノテートデータセットを公表した。
論文 参考訳(メタデータ) (2022-02-14T06:54:15Z) - COROLLA: An Efficient Multi-Modality Fusion Framework with Supervised
Contrastive Learning for Glaucoma Grading [1.2250035750661867]
緑内障の診断に有効な多モード教師付きコントラスト学習フレームワークであるCOROLLAを提案する。
教師付きコントラスト学習を用いて、より良い収束性でモデルの識別能力を高めます。
GAMMAデータセットでは,我々のCOROLLAフレームワークは最先端の手法と比較して圧倒的な緑内障グレーディング性能を達成している。
論文 参考訳(メタデータ) (2022-01-11T06:00:51Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳(メタデータ) (2021-10-06T08:10:28Z) - 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) - 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) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳(メタデータ) (2020-05-12T08:01:16Z)
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。