論文の概要: Generating corneal panoramic images from contact specular microscope
images
- arxiv url: http://arxiv.org/abs/2301.02388v1
- Date: Fri, 6 Jan 2023 05:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 00:09:41.004416
- Title: Generating corneal panoramic images from contact specular microscope
images
- Title（参考訳）: コンタクト顕微鏡画像からの角膜パノラマ画像の生成
- Authors: Yusuke Nagira, Yuzuha Hara, Satoru Hiwa, Naoki Okumura, Noriko Koizumi
and Tomoyuki Hiroyasu
- Abstract要約: 本研究では,コンタクトスペクトル顕微鏡を用いて撮影した映像から角膜全体を自動生成する枠組みを提案する。
画像全体を生成することができれば、画像から内臓を検出し、その存在範囲を調べることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The contact specular microscope has a wider angle of view than that of the
non-contact specular microscope but still cannot capture an image of the entire
cornea. To obtain such an image, it is necessary to prepare film on the parts
of the image captured sequentially and combine them to create a complete image.
This study proposes a framework to automatically generate an entire corneal
image from videos captured using a contact specular microscope. Relatively
focused images were extracted from the videos and panoramic compositing was
performed. If an entire image can be generated, it is possible to detect guttae
from the image and examine the extent of their presence. The system was
implemented and the effectiveness of the proposed framework was examined. The
system was implemented using custom-made composite software, Image Composite
Software (ICS, K.I. Technology Co., Ltd., Japan, internal algorithms not
disclosed), and a supervised learning model using U-Net was used for guttae
detection. Several images were correctly synthesized when the constructed
system was applied to 94 different corneal videos obtained from Fuchs
endothelial corneal dystrophy (FECD) mouse model. The implementation and
application of the method to the data in this study confirmed its
effectiveness. Owing to the minimal quantitative evaluation performed, such as
accuracy with implementation, it may pose some limitations for future
investigations.
- Abstract（参考訳）: 接触鏡顕微鏡は非接触鏡顕微鏡よりも広い視野角を有するが、角膜全体の像を捉えることはできない。
このような画像を得るには、連続的に撮像された画像の一部にフィルムを作成し、それらを組み合わせて完全な画像を作成する必要がある。
本研究では,コンタクトスペクトル顕微鏡を用いて撮影した映像から角膜全体を自動生成する枠組みを提案する。
ビデオから比較的焦点を絞った映像を抽出し,パノラマ合成を行った。
画像全体を生成することができる場合、画像からグッタを検出し、その存在範囲を調べることができる。
本システムを実装し,提案手法の有効性を検討した。
このシステムは、カスタムメイド複合ソフトウェア、画像合成ソフトウェア(ICS, K.I. Technology Co., Ltd., 内部アルゴリズムは公表されていない)を用いて実装され、U-Netを用いた教師付き学習モデルを用いた。
フッフス内皮角膜ジストロフィー(FECD)マウスモデルから得られた94種類の角膜ビデオに構築システムを適用した際,いくつかの画像が正しく合成された。
本研究におけるデータに対する手法の実装と適用により,その効果が確認された。
実装による精度などの最小限の定量的評価により、将来の調査にはいくつかの制限が生じる可能性がある。
関連論文リスト
- DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。
我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
論文 参考訳（メタデータ） (2024-10-04T00:38:29Z) - Mastoidectomy Multi-View Synthesis from a Single Microscopy Image [4.777201894011511]
単一CI顕微鏡画像から合成多視点映像を生成することができる新しいパイプラインを提案する。
本研究は, 術前CT検査を用いて, 乳頭切除後の表面を予測し, 本目的のために設計した方法である。
論文 参考訳（メタデータ） (2024-08-31T16:45:24Z) - Navigating the Synthetic Realm: Harnessing Diffusion-based Models for
Laparoscopic Text-to-Image Generation [3.2039076408339353]
拡散型生成モデルを用いて短いテキストプロンプトから合成腹腔鏡画像を生成するための直感的なアプローチを提案する。
画像ガイド下手術の分野では,拡散モデルがスタイルやセマンティクスの知識を得ることができた。
論文 参考訳（メタデータ） (2023-12-05T16:20:22Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Scope2Screen: Focus+Context Techniques for Pathology Tumor Assessment in
Multivariate Image Data [0.0]
Scope2Screenは、全スライディング、ハイプレックス、組織像のフォーカス+コンテキスト探索とアノテーションのためのスケーラブルなソフトウェアシステムである。
我々のアプローチは、数百万のセルを含む1チャンネルあたり109ピクセル以上の100GBの画像を分析するためにスケールする。
単細胞および組織レベルで機能する対話型レンズ技術を提案する。
論文 参考訳（メタデータ） (2021-10-10T18:34:13Z) - Self-Supervised Representation Learning using Visual Field Expansion on
Digital Pathology [7.568373895297608]
このような画像を分析する上で重要な課題は、そのサイズであり、そのサイズはギガピクセルに収まる。
本稿では,このようなタイルの強力な表現を学習し,視界を確実に拡張する新しい生成フレームワークを提案する。
我々のモデルは、異なる臨床エンドポイントに使用できる強力な表現を同時に学習しながら、細部で異なる組織タイプを生成することを学習する。
論文 参考訳（メタデータ） (2021-09-07T19:20:01Z) - Colorectal Polyp Classification from White-light Colonoscopy Images via
Domain Alignment [57.419727894848485]
大腸内視鏡画像からの正確な診断を支援するためには,コンピュータ支援診断システムが必要である。
これまでのほとんどの研究では、Narrow-Band Imaging (NBI) や他の拡張画像を用いて、ポリプの分化モデルの開発を試みている。
正確な大腸ポリープ分類のための教師/学生アーキテクチャに基づく新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-05T09:31:46Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳（メタデータ） (2021-01-12T23:02:26Z) - Towards Unsupervised Learning for Instrument Segmentation in Robotic
Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。
当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。
提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
論文 参考訳（メタデータ） (2020-07-09T01:39:39Z) - Deep Learning for Cornea Microscopy Blind Deblurring [0.0]
眼球の形状は、眼科医が完全に鋭い画像を持つことを防ぐ。
我々のアプローチは、SR(Super Resolution)ネットワークを用いて画像のアップスケーリングを行うモデルを構築することである。
論文 参考訳（メタデータ） (2020-06-25T11:50:35Z)
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。