論文の概要: A deep learning network with differentiable dynamic programming for
retina OCT surface segmentation
- arxiv url: http://arxiv.org/abs/2210.06335v1
- Date: Sat, 8 Oct 2022 16:26:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 15:39:42.130476
- Title: A deep learning network with differentiable dynamic programming for
retina OCT surface segmentation
- Title（参考訳）: 網膜OCT表面セグメンテーションのための動的プログラムの微分可能な深層学習ネットワーク
- Authors: Hui Xie, Weiyu Xu, Xiaodong Wu
- Abstract要約: 本研究では,制約付き微分可能な動的プログラムモジュールで特徴学習用U-Netを統一し,網膜CT表面分割のためのエンドツーエンド学習を実現することを提案する。
下流モデル最適化モジュールからのフィードバックを効果的に活用し、特徴学習をガイドし、ターゲット表面のグローバルな構造をより良くする。
- 参考スコア（独自算出の注目度）: 9.31543407418766
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multiple-surface segmentation in Optical Coherence Tomography (OCT) images is
a challenge problem, further complicated by the frequent presence of weak image
boundaries. Recently, many deep learning (DL) based methods have been developed
for this task and yield remarkable performance. Unfortunately, due to the
scarcity of training data in medical imaging, it is challenging for DL networks
to learn the global structure of the target surfaces, including surface
smoothness. To bridge this gap, this study proposes to seamlessly unify a U-Net
for feature learning with a constrained differentiable dynamic programming
module to achieve an end-to-end learning for retina OCT surface segmentation to
explicitly enforce surface smoothness. It effectively utilizes the feedback
from the downstream model optimization module to guide feature learning,
yielding a better enforcement of global structures of the target surfaces.
Experiments on Duke AMD (age-related macular degeneration) and JHU MS (multiple
sclerosis) OCT datasets for retinal layer segmentation demonstrated very
promising segmentation accuracy.
- Abstract（参考訳）: 光コヒーレンス・トモグラフィー(OCT)画像における多重面分割は、弱い画像境界の頻繁な存在によってさらに複雑になる。
近年,この課題に対して多くの深層学習(dl)ベースの手法が開発されている。
残念なことに、医用画像のトレーニングデータが不足しているため、DLネットワークが表面の滑らかさを含む対象表面のグローバルな構造を学ぶことは困難である。
このギャップを埋めるために、制約付き微分可能な動的プログラムモジュールで特徴学習のためのU-Netをシームレスに統一し、網膜OCT表面セグメンテーションのエンドツーエンド学習を実現し、表面の滑らかさを明示することを提案する。
下流モデル最適化モジュールからのフィードバックを効果的に活用し、特徴学習をガイドし、ターゲット表面のグローバルな構造をより良くする。
Duke AMD (age-related macular degeneration) と JHU MS (multiple sclerosis) OCT データセットによる網膜層分画の精度は有望であった。
関連論文リスト
- MDFI-Net: Multiscale Differential Feature Interaction Network for Accurate Retinal Vessel Segmentation [3.152646316470194]
本稿では,MDFI-Net という DPCN に基づく機能拡張型インタラクションネットワークを提案する。
提案したMDFI-Netは,公開データセットの最先端手法よりもセグメンテーション性能が優れている。
論文 参考訳（メタデータ） (2024-10-20T16:42:22Z) - Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。
対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。
提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文 参考訳（メタデータ） (2024-03-23T22:32:06Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - The Multiscale Surface Vision Transformer [10.833580445244094]
表面深層学習のためのバックボーンアーキテクチャとして,Multiscale Surface Vision Transformer (MS-SiT)を導入した。
以上の結果から,MS-SiTは新生児の表現型予測タスクにおいて,既存の表面深層学習法よりも優れていた。
論文 参考訳（メタデータ） (2023-03-21T15:00:17Z) - 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) - 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) - Semantics-Depth-Symbiosis: Deeply Coupled Semi-Supervised Learning of
Semantics and Depth [83.94528876742096]
我々は,意味的セグメンテーションと深さ推定という2つの密なタスクのMTL問題に取り組み,クロスチャネル注意モジュール(CCAM)と呼ばれる新しいアテンションモジュールを提案する。
次に,AffineMixと呼ばれる予測深度を用いた意味分節タスクのための新しいデータ拡張と,ColorAugと呼ばれる予測セマンティクスを用いた単純な深度増分を定式化する。
最後に,提案手法の性能向上をCityscapesデータセットで検証し,深度と意味に基づく半教師付きジョイントモデルにおける最先端結果の実現を支援する。
論文 参考訳（メタデータ） (2022-06-21T17:40:55Z) - TSG: Target-Selective Gradient Backprop for Probing CNN Visual Saliency [72.9106103283475]
我々は、畳み込みニューラルネットワークを解釈するために視覚的サリエンシ、すなわち視覚的説明について研究する。
これらの観測に触発されて、我々はTSG(Target-Selective Gradient)バックプロップと呼ばれる新しいビジュアル・サリエンシ・フレームワークを提案する。
提案したTSGはTSG-ConvとTSG-FCの2つのコンポーネントから構成され、それぞれ畳み込み層と完全連結層の勾配を補正する。
論文 参考訳（メタデータ） (2021-10-11T12:00:20Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Globally Optimal Segmentation of Mutually Interacting Surfaces using
Deep Learning [6.11411524694755]
ディープラーニングは、優れた特徴学習能力のおかげで、医用画像セグメンテーションの強力なツールとして出現している。
本稿では,グラフモデルにおける表面コスト関数のパラメータ化と,それらのパラメータの学習にDLを活用することを提案する。
次に、相互表面の相互作用制約を明示的に実施しながら、全表面コストを最小化することにより、多重最適表面を同時に検出する。
論文 参考訳（メタデータ） (2020-07-02T17:13:35Z) - Globally Optimal Surface Segmentation using Deep Learning with Learnable
Smoothness Priors [0.21756081703275998]
本稿では,畳み込みニューラルネットワーク(CNN)に基づく新しいモデルを提案する。
分光領域光コヒーレンス・トモグラフィ(SD-OCT)網膜層分画と血管内超音波(IVUS)血管壁分画は有望な結果を示した。
論文 参考訳（メタデータ） (2020-07-02T15:56:46Z)
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。