論文の概要: Segmentation, Classification, and Quality Assessment of UW-OCTA Images
for the Diagnosis of Diabetic Retinopathy
- arxiv url: http://arxiv.org/abs/2211.11509v1
- Date: Mon, 21 Nov 2022 14:49:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 19:32:11.889874
- Title: Segmentation, Classification, and Quality Assessment of UW-OCTA Images
for the Diagnosis of Diabetic Retinopathy
- Title（参考訳）: 糖尿病網膜症の診断におけるUW-OCTA画像の分離,分類,品質評価
- Authors: Yihao Li and Rachid Zeghlache and Ikram Brahim and Hui Xu and Yubo Tan
and Pierre-Henri Conze and Mathieu Lamard and Gwenol\'e Quellec and Mostafa
El Habib Daho
- Abstract要約: 糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病の重症合併症の一つ。
本稿では,糖尿病網膜症解析チャレンジ2022(DRAC22)の3つの課題に対する解決策を提示する。
得られた結果は有望であり、セグメンテーションタスクのTOP5に位置づけることを可能にしました。
- 参考スコア（独自算出の注目度）: 2.435307010444828
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Diabetic Retinopathy (DR) is a severe complication of diabetes that can cause
blindness. Although effective treatments exist (notably laser) to slow the
progression of the disease and prevent blindness, the best treatment remains
prevention through regular check-ups (at least once a year) with an
ophthalmologist. Optical Coherence Tomography Angiography (OCTA) allows for the
visualization of the retinal vascularization, and the choroid at the
microvascular level in great detail. This allows doctors to diagnose DR with
more precision. In recent years, algorithms for DR diagnosis have emerged along
with the development of deep learning and the improvement of computer hardware.
However, these usually focus on retina photography. There are no current
methods that can automatically analyze DR using Ultra-Wide OCTA (UW-OCTA). The
Diabetic Retinopathy Analysis Challenge 2022 (DRAC22) provides a standardized
UW-OCTA dataset to train and test the effectiveness of various algorithms on
three tasks: lesions segmentation, quality assessment, and DR grading. In this
paper, we will present our solutions for the three tasks of the DRAC22
challenge. The obtained results are promising and have allowed us to position
ourselves in the TOP 5 of the segmentation task, the TOP 4 of the quality
assessment task, and the TOP 3 of the DR grading task. The code is available at
\url{https://github.com/Mostafa-EHD/Diabetic_Retinopathy_OCTA}.
- Abstract（参考訳）: 糖尿病網膜症(英: Diabetic Retinopathy、DR)は、糖尿病の重症合併症の一つ。
病気の進行を遅らせ、盲目を防ぐ効果的な治療法(特にレーザー)は存在するが、最良の治療法は眼科医による定期的な検診(少なくとも年に1回)による予防である。
オプティカルコヒーレンス・トモグラフィー(OCTA)は網膜血管の可視化と微小血管レベルでの脈絡膜の可視化を可能にする。
これにより、医師はより正確にDRを診断できる。
近年,ディープラーニングの開発とコンピュータハードウェアの改良に伴い,DR診断のためのアルゴリズムが登場している。
しかし、通常は網膜写真に焦点を合わせている。
UW-OCTA(Ultra-Wide OCTA)を用いてDRを自動的に解析できる現在の方法はない。
糖尿病網膜症解析チャレンジ2022(drac22)は、病変の分節化、品質評価、およびdr gradingの3つのタスクにおける様々なアルゴリズムの有効性を訓練し、テストするための標準化されたuw-octaデータセットを提供する。
本稿では,DRAC22チャレンジの3つの課題に対する解決策を提案する。
得られた結果は有望であり、セグメンテーションタスクのTOP5、品質評価タスクのTOP4、DRグレーディングタスクのTOP3に位置づけることができる。
コードは \url{https://github.com/mostafa-ehd/diabetic_retinopathy_octa} で入手できる。
関連論文リスト
- CLIP-DR: Textual Knowledge-Guided Diabetic Retinopathy Grading with Ranking-aware Prompting [48.47935559597376]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の合併症の一つで、視力低下のレベルに達するのに何十年もかかる。
現在のDRグレーディング手法のほとんどは、データのばらつきに不十分な堅牢性に悩まされている。
3つの観測結果に基づく新しいDRグレーティングフレームワークCLIP-DRを提案する。
論文 参考訳（メタデータ） (2024-07-04T17:14:18Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳（メタデータ） (2023-04-05T12:04:55Z) - Deep-OCTA: Ensemble Deep Learning Approaches for Diabetic Retinopathy
Analysis on OCTA Images [10.16138081361263]
糖尿病網膜症解析チャレンジ(DRAC)のための超広範OCTAに基づく新規かつ実用的な深層学習ソリューションを提案する。
DR損傷タスクのセグメンテーションでは、UNetとUNet++を使用して、3つの病変を強力なデータ拡張とモデルアンサンブルで分割する。
画像品質評価タスクでは、インセプションV3、SE-ResNeXt、Vision Transformerモデルのアンサンブルを作成する。
論文 参考訳（メタデータ） (2022-10-02T13:23:56Z) - A comprehensive survey on computer-aided diagnostic systems in diabetic
retinopathy screening [0.0]
糖尿病性メリタス(DM)は、最終的に糖尿病網膜症(DR)を引き起こす重要な微小血管破壊を引き起こす
私たちのレビューは、CADシステムで何が達成できるかを理解したい学生から確立した研究者まで、誰でも対象としています。
論文 参考訳（メタデータ） (2022-08-03T02:11:42Z) - Geometric Deep Learning to Identify the Critical 3D Structural Features
of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。
我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。
幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文 参考訳（メタデータ） (2022-04-14T12:52:10Z) - 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) - Automated Detection and Diagnosis of Diabetic Retinopathy: A
Comprehensive Survey [0.0]
糖尿病網膜症(DR)は、世界の視覚障害の主要な原因である。
ディープラーニング/機械学習により、画像から特徴を抽出し、DRの存在を検出することができる。
このレビューでは、オープンな文献として5年以上にわたって公開されてきたDRに対するAIアプローチに関する文献を取り上げている。
論文 参考訳（メタデータ） (2021-06-30T21:45:15Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z)
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。