論文の概要: Vessel-Promoted OCT to OCTA Image Translation by Heuristic Contextual
Constraints
- arxiv url: http://arxiv.org/abs/2303.06807v1
- Date: Mon, 13 Mar 2023 01:42:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 16:49:35.004640
- Title: Vessel-Promoted OCT to OCTA Image Translation by Heuristic Contextual
Constraints
- Title(参考訳): ヒューリスティックな文脈制約によるOCTからOCTAへの変換
- Authors: Shuhan Li, Dong Zhang, Xiaomeng Li, Chubin Ou, Lin An, Yanwu Xu,
Kwang-Ting Cheng
- Abstract要約: 本稿では、3D光コヒーレンス・トモグラフィー(OCT)画像を画像変換パターンを用いて排他的な3DOCTA画像に変換する新しいフレームワークであるTransProを提案する。
我々の主な目的は、既存の画像翻訳ベースラインにおける2つの問題、すなわち、翻訳プロセスにおける目的のないことと、翻訳対象の不完全性に対処することである。
TransProは、トレーニング中に最小限の計算オーバーヘッドで既存のアプローチを継続的に上回り、テスト中には何もしない。
- 参考スコア(独自算出の注目度): 27.28468771485413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical Coherence Tomography Angiography (OCTA) has become increasingly vital
in the clinical screening of fundus diseases due to its ability to capture
accurate 3D imaging of blood vessels in a non-contact scanning manner. However,
the acquisition of OCTA images remains challenging due to the requirement of
exclusive sensors and expensive devices. In this paper, we propose a novel
framework, TransPro, that translates 3D Optical Coherence Tomography (OCT)
images into exclusive 3D OCTA images using an image translation pattern. Our
main objective is to address two issues in existing image translation
baselines, namely, the aimlessness in the translation process and
incompleteness of the translated object. The former refers to the overall
quality of the translated OCTA images being satisfactory, but the retinal
vascular quality being low. The latter refers to incomplete objects in
translated OCTA images due to the lack of global contexts. TransPro merges a 2D
retinal vascular segmentation model and a 2D OCTA image translation model into
a 3D image translation baseline for the 2D projection map projected by the
translated OCTA images. The 2D retinal vascular segmentation model can improve
attention to the retinal vascular, while the 2D OCTA image translation model
introduces beneficial heuristic contextual information. Extensive experimental
results on two challenging datasets demonstrate that TransPro can consistently
outperform existing approaches with minimal computational overhead during
training and none during testing.
- Abstract(参考訳): 光コヒーレンス断層撮影法(optical coherence tomography angiography,octa)は,非接触走査法で血管の正確な3dイメージングを撮影できるため,眼底疾患のスクリーニングにおいてますます重要になっている。
しかし、専用のセンサーと高価なデバイスを必要とするため、OCTA画像の取得は依然として困難である。
本稿では,3次元光コヒーレンストモグラフィ(oct)画像を画像変換パターンを用いて排他的3次元オクタ画像に変換する新しい枠組みであるtransproを提案する。
本研究の目的は,既存の画像翻訳ベースラインにおける2つの課題,すなわち翻訳過程の無目的性と翻訳対象の不完全性に対処することである。
前者は、翻訳されたOCTA画像の全体的な品質が良好であるが、網膜血管質は低いことを指している。
後者は、グローバルコンテキストの欠如により、翻訳されたOCTA画像の不完全なオブジェクトを指す。
TransProは2次元網膜血管セグメンテーションモデルと2次元OCTA画像変換モデルを、翻訳OCTA画像によって投影された2次元投影マップの3次元画像翻訳ベースラインにマージする。
2d retinal vascular segmentation modelは網膜血管への注意を高めるが、2d octa image translation modelは有益なヒューリスティックな文脈情報を導入する。
2つの挑戦的なデータセットに対する大規模な実験結果によると、TransProはトレーニング中に最小限の計算オーバーヘッドで既存のアプローチを一貫して上回り、テスト中には何も実行できない。
関連論文リスト
- DISCOVER: 2-D Multiview Summarization of Optical Coherence Tomography
Angiography for Automatic Diabetic Retinopathy Diagnosis [1.6788804044046786]
糖尿病網膜症(英: Diabetic Retinopathy、DR)は、糖尿病の眼合併症である。
伝統的に、DRはカラーファンドス・フォトグラフィー(CFP)を用いて監視される。
本稿では3次元OCTAを用いた自動DR評価について検討する。
論文 参考訳(メタデータ) (2024-01-10T13:06:40Z) - Deep Learning for Vascular Segmentation and Applications in Phase
Contrast Tomography Imaging [33.23991248643144]
本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。
我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。
HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
論文 参考訳(メタデータ) (2023-11-22T11:15:38Z) - OCT2Confocal: 3D CycleGAN based Translation of Retinal OCT Images to
Confocal Microscopy [12.367828307288105]
In-vivo OCTを前-vivo共焦点顕微鏡画像に教師なし翻訳するための3D CycleGANフレームワークを開発した。
これは、OCTの固有の3D情報を利用して、共焦点顕微鏡のリッチで詳細な色領域に変換する最初の試みである。
論文 参考訳(メタデータ) (2023-11-17T22:48:50Z) - Denoising diffusion-based MRI to CT image translation enables automated
spinal segmentation [8.094450260464354]
本研究は,T1wとT2wのMR画像系列をCT/MRの合計263対のCT画像に変換することを含む。
椎骨登録1回あたりの2つのランドマークは、MRIからCTへの画像と画像の変換を可能にし、すべての未経験のアプローチより優れていた。
論文 参考訳(メタデータ) (2023-08-18T07:07:15Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳(メタデータ) (2023-07-24T14:43:07Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - Homography Loss for Monocular 3D Object Detection [54.04870007473932]
ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。
提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
論文 参考訳(メタデータ) (2022-04-02T03:48:03Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳(メタデータ) (2021-10-12T23:25:03Z) - Uncertainty-Guided Progressive GANs for Medical Image Translation [37.95176881950121]
画像から画像への翻訳は、様々な医療画像のタスクに取り組む上で重要な役割を担っている。
画像から画像への変換のための不確実性誘導型プログレッシブラーニング手法を提案する。
医用画像翻訳の課題3つの課題に対して,本モデルの有効性を実証した。
論文 参考訳(メタデータ) (2021-06-29T16:26:12Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳(メタデータ) (2020-12-16T07:11:16Z) - Self-Supervised 2D Image to 3D Shape Translation with Disentangled
Representations [92.89846887298852]
本稿では,2次元画像ビューと3次元オブジェクト形状を翻訳するフレームワークを提案する。
形状変換のための自己教師型画像変換フレームワークであるSISTを提案する。
論文 参考訳(メタデータ) (2020-03-22T22:44:02Z)
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。