論文の概要: RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional
Network for Retinal OCT Fluid Segmentation
- arxiv url: http://arxiv.org/abs/2209.12468v1
- Date: Mon, 26 Sep 2022 07:18:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 17:45:43.265305
- Title: RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional
Network for Retinal OCT Fluid Segmentation
- Title（参考訳）: RetiFluidNet:網膜CT流体セグメンテーションのための自己適応型マルチアタッチメント深部畳み込みネットワーク
- Authors: Reza Rasti, Armin Biglari, Mohammad Rezapourian, Ziyun Yang, Sina
Farsiu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.57686754209902
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Optical coherence tomography (OCT) helps ophthalmologists assess macular
edema, accumulation of fluids, and lesions at microscopic resolution.
Quantification of retinal fluids is necessary for OCT-guided treatment
management, which relies on a precise image segmentation step. As manual
analysis of retinal fluids is a time-consuming, subjective, and error-prone
task, there is increasing demand for fast and robust automatic solutions. In
this study, a new convolutional neural architecture named RetiFluidNet is
proposed for multi-class retinal fluid segmentation. The model benefits from
hierarchical representation learning of textural, contextual, and edge features
using a new self-adaptive dual-attention (SDA) module, multiple self-adaptive
attention-based skip connections (SASC), and a novel multi-scale deep self
supervision learning (DSL) scheme. The attention mechanism in the proposed SDA
module enables the model to automatically extract deformation-aware
representations at different levels, and the introduced SASC paths further
consider spatial-channel interdependencies for concatenation of counterpart
encoder and decoder units, which improve representational capability.
RetiFluidNet is also optimized using a joint loss function comprising a
weighted version of dice overlap and edge-preserved connectivity-based losses,
where several hierarchical stages of multi-scale local losses are integrated
into the optimization process. The model is validated based on three publicly
available datasets: RETOUCH, OPTIMA, and DUKE, with comparisons against several
baselines. Experimental results on the datasets prove the effectiveness of the
proposed model in retinal OCT fluid segmentation and reveal that the suggested
method is more effective than existing state-of-the-art fluid segmentation
algorithms in adapting to retinal OCT scans recorded by various image scanning
instruments.
- Abstract（参考訳）: 光コヒーレンストモグラフィ(OCT)は、眼科医が黄斑浮腫、液体の蓄積、病変を顕微鏡で評価するのに役立つ。
網膜液の定量化は、正確な画像セグメンテーションステップに依存するOCT誘導治療管理に必要である。
網膜液の手動分析は時間を要する作業であり、主観的であり、エラーを起こしやすいため、高速で堅牢な自動ソリューションの需要が高まっている。
本研究では,マルチクラス網膜液分画にRetiFluidNetという新しい畳み込みニューラルアーキテクチャを提案する。
このモデルは、新しい自己適応型デュアルアテンション(SDA)モジュール、複数自己適応型アテンションベースのスキップ接続(SASC)、新しい多スケール深層自己監督学習(DSL)スキームを用いて、テクスチャ、コンテキスト、エッジ特徴の階層的表現学習の恩恵を受ける。
提案するSDAモジュールのアテンション機構により,異なるレベルの変形認識表現を自動的に抽出し,提案したSASCパスは,対応するエンコーダとデコーダユニットを結合する空間チャネルの相互依存性をさらに考慮し,表現能力を向上させる。
RetiFluidNetはまた、ダイスオーバーラップの重み付けバージョンとエッジ保存接続に基づく損失を含む共同損失関数を用いて最適化され、複数の階層的な局所損失を最適化プロセスに統合する。
このモデルは、RETOUCH、OPTIMA、DUKEの3つの公開データセットに基づいて検証され、いくつかのベースラインと比較される。
実験結果から, 提案手法は, 種々の画像走査装置で記録された網膜CTスキャンに適応する上で, 既存の最先端の流体分割アルゴリズムよりも有効であることが判明した。
関連論文リスト
- DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Enhancing Retinal Vascular Structure Segmentation in Images With a Novel
Design Two-Path Interactive Fusion Module Model [6.392575673488379]
網膜血管セグメンテーションの精度を高めるために設計されたSwin-Res-Netについて紹介する。
Swin-Res-Netは、パーティショニングに変位のあるシフトウィンドウを使用するSwin Transformerを使用している。
提案したアーキテクチャは,他の公開されたモデルに適合するか,あるいは超越するかという,優れた結果をもたらす。
論文 参考訳（メタデータ） (2024-03-03T01:36:11Z) - 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) - Evolutionary Computation in Action: Feature Selection for Deep Embedding
Spaces of Gigapixel Pathology Images [0.6037276428689636]
本稿では, 大規模多目的最適化(LSMOP)に基づくWSI表現の進化的アプローチを提案する。
The Cancer Genome Atlas(TC)画像を用いて,WSI表現,分類精度,特徴品質の観点から提案手法を検証した。
提案した進化的アルゴリズムは、最先端の手法によって提供されるコードよりも8%高い精度でWSIを表現するための非常にコンパクトな特徴ベクトルを求める。
論文 参考訳（メタデータ） (2023-03-02T03:36:15Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - 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) - Video-TransUNet: Temporally Blended Vision Transformer for CT VFSS
Instance Segmentation [11.575821326313607]
本稿では,TransUNetの深層学習フレームワークに時間的特徴ブレンドを組み込んだ医療用CTビデオのセグメンテーションのための深層アーキテクチャであるVideo-TransUNetを提案する。
特に,提案手法は,ResNet CNNバックボーンによるフレーム表現,テンポラルコンテキストモジュールによるマルチフレーム機能ブレンディング,UNetベースの畳み込みデコナールアーキテクチャによる複数ターゲットの再構築,などを実現する。
論文 参考訳（メタデータ） (2022-08-17T14:28:58Z) - MPG-Net: Multi-Prediction Guided Network for Segmentation of Retinal
Layers in OCT Images [11.370735571629602]
OCT画像の自動網膜層分割のための新しいマルチプレディション誘導アテンションネットワーク(MPG-Net)を提案する。
MPG-Netは、信頼性の高い自動セグメンテーションのためのU字形完全畳み込みネットワーク(FCN)の識別力を強化する2つの主要なステップから構成される。
論文 参考訳（メタデータ） (2020-09-28T21:22:22Z) - Max-Fusion U-Net for Multi-Modal Pathology Segmentation with Attention
and Dynamic Resampling [13.542898009730804]
関連するアルゴリズムの性能は、マルチモーダル情報の適切な融合によって大きく影響を受ける。
We present the Max-Fusion U-Net that achieve a improve pathology segmentation performance。
マルチシーケンスCMRデータセットを併用したMyoPS(Myocardial pathology segmentation)を用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2020-09-05T17:24:23Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z)
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。