論文の概要: Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps

• arxiv url: http://arxiv.org/abs/2210.07102v1
• Date: Thu, 13 Oct 2022 15:34:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 15:24:28.639147
• Title: Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps
• Title（参考訳）: fuchs' dystrophy による鏡視下角膜内皮評価 : サイン付き距離マップの深い回帰による検討
• Authors: Juan S. Sierra, Jesus Pineda, Daniela Rueda, Alejandro Tello, Angelica M. Prada, Virgilio Galvis, Giovanni Volpe, Maria S. Millan, Lenny A. Romero, Andres G. Marrugo
• Abstract要約: 本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
• 参考スコア（独自算出の注目度）: 48.498376125522114
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Specular microscopy assessment of the human corneal endothelium (CE) in Fuchs' dystrophy is challenging due to the presence of dark image regions called guttae. This paper proposes a UNet-based segmentation approach that requires minimal post-processing and achieves reliable CE morphometric assessment and guttae identification across all degrees of Fuchs' dystrophy. We cast the segmentation problem as a regression task of the cell and gutta signed distance maps instead of a pixel-level classification task as typically done with UNets. Compared to the conventional UNet classification approach, the distance-map regression approach converges faster in clinically relevant parameters. It also produces morphometric parameters that agree with the manually-segmented ground-truth data, namely the average cell density difference of -41.9 cells/mm2 (95% confidence interval (CI) [-306.2, 222.5]) and the average difference of mean cell area of 14.8 um2 (95% CI [-41.9, 71.5]). These results suggest a promising alternative for CE assessment.
• Abstract（参考訳）: fuchsのジストロフィーにおけるヒト角膜内皮(ce)の鏡視による評価は、guttaeと呼ばれる暗黒画像領域の存在により困難である。 本稿では,UNetに基づくセグメンテーション手法を提案する。この手法は後処理の最小化と,Fuchs型ジストロフィーの全度にわたるCE形態計測および腹膜同定の信頼性を実現する。 セグメンテーション問題を、通常unetsで行われているピクセルレベルの分類タスクではなく、セルとグータ符号付き距離マップの回帰タスクとしてキャストした。 従来の unet 分類法と比較すると, 距離マップ回帰法は臨床関連パラメータにおいてより高速に収束する。 また、手作業による地表面データ、すなわち-41.9細胞/mm2の平均細胞密度差(95%信頼区間(ci) [-306.2, 222.5])と平均細胞面積14.8um2(95%ci [-41.9, 71.5])と一致する形態計測パラメータを生成する。 これらの結果はCEアセスメントに有望な選択肢であることを示している。

関連論文リスト

• CodaMal: Contrastive Domain Adaptation for Malaria Detection in Low-Cost Microscopes [51.5625352379093]
  マラリアは世界中で大きな問題であり、診断には低コストの顕微鏡(LCM)で効果的に動作するスケーラブルなソリューションが必要である。 ディープラーニングに基づく手法は、顕微鏡画像からコンピュータ支援による診断に成功している。 これらの方法には、マラリア原虫の感染した細胞とその生活段階を示す注釈画像が必要である。 LCMからの注記画像は、高精細顕微鏡(HCM)からの注記画像と比較して医療専門家の負担を著しく増大させる
  論文  参考訳（メタデータ） (2024-02-16T06:57:03Z)
• Automatic Classification of Symmetry of Hemithoraces in Canine and Feline Radiographs [0.0]
  畳み込みニューラルネットワーク(CNN)とアクティブな輪郭に基づくヘミトトラス分割法を提案する。 提案手法のロバスト性を検証するため, 被曝・露出過多に対するソラックスセグメンテーション法を用いて, 適切に露光したラジオグラフィーを合成的に劣化させた。
  論文  参考訳（メタデータ） (2023-02-24T22:46:16Z)
• 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)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• DenseUNets with feedback non-local attention for the segmentation of specular microscopy images of the corneal endothelium with Fuchs dystrophy [2.4242495790574217]
  フィードバック非局所的注意(fNLA)と呼ばれる新しい注意機構を含む新しい深層学習手法を提案する。 我々のアプローチはまず、まず細胞縁を推測し、次に検出された細胞を選択し、最後に間違いを正すために後処理法を適用します。 提案手法は,大腸に被覆された領域を廃棄しながら,小腸に閉鎖された細胞縁を検出することで,腸の影響を受ける細胞を極めて良好に処理した。
  論文  参考訳（メタデータ） (2022-03-03T17:49:40Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
  血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。 Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。 完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2021-04-07T09:09:13Z)
• Accurate Cell Segmentation in Digital Pathology Images via Attention Enforced Networks [0.0]
  本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。 実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
  論文  参考訳（メタデータ） (2020-12-14T03:39:33Z)
• Deep Feature Fusion for Mitosis Counting [0.0]
  有糸分裂細胞数は、乳がんの攻撃性または品位を評価する最も一般的な検査の1つである。 ディープラーニングネットワークは、興味のある領域を自動的にローカライズできる医療アプリケーションに適用されている。 提案手法は,オブジェクト検出のための高速RCNNを利用して,RGB画像特徴を持つUNetによって生成されたセグメンテーション機能を融合させ,MITOS-ATYPIA 2014 mitosis counting Challengeデータセット上で0.508のFスコアを達成する。
  論文  参考訳（メタデータ） (2020-02-01T20:20:00Z)

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。