論文の概要: JOINEDTrans: Prior Guided Multi-task Transformer for Joint Optic
Disc/Cup Segmentation and Fovea Detection
- arxiv url: http://arxiv.org/abs/2305.11504v1
- Date: Fri, 19 May 2023 08:10:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 15:36:46.100780
- Title: JOINEDTrans: Prior Guided Multi-task Transformer for Joint Optic
Disc/Cup Segmentation and Fovea Detection
- Title（参考訳）: jointrans: 光学ディスク/カップセグメンテーションとfovea検出のための事前誘導マルチタスクトランス
- Authors: Huaqing He, Li Lin, Zhiyuan Cai, Pujin Cheng, Xiaoying Tang
- Abstract要約: 本稿では,JOINEDTrans という名前のジョイントOD/OCセグメンテーションと卵胞検出のための先行ガイド付きマルチタスクトランスフレームワークを提案する。
血管分割作業で予め訓練したエンコーダを用いて,血管,OD/OC,卵胞の位置関係を効果的に活用する。
ジョイントセグメンテーション及び検出モジュールを介して、ジョイントOD/OC粗いセグメンテーションとフォベアヒートマップの局在を得る。
- 参考スコア（独自算出の注目度）: 1.121358474059223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning-based image segmentation and detection models have largely
improved the efficiency of analyzing retinal landmarks such as optic disc (OD),
optic cup (OC), and fovea. However, factors including ophthalmic
disease-related lesions and low image quality issues may severely complicate
automatic OD/OC segmentation and fovea detection. Most existing works treat the
identification of each landmark as a single task, and take into account no
prior information. To address these issues, we propose a prior guided
multi-task transformer framework for joint OD/OC segmentation and fovea
detection, named JOINEDTrans. JOINEDTrans effectively combines various spatial
features of the fundus images, relieving the structural distortions induced by
lesions and other imaging issues. It contains a segmentation branch and a
detection branch. To be noted, we employ an encoder pretrained in a vessel
segmentation task to effectively exploit the positional relationship among
vessel, OD/OC, and fovea, successfully incorporating spatial prior into the
proposed JOINEDTrans framework. There are a coarse stage and a fine stage in
JOINEDTrans. In the coarse stage, OD/OC coarse segmentation and fovea heatmap
localization are obtained through a joint segmentation and detection module. In
the fine stage, we crop regions of interest for subsequent refinement and use
predictions obtained in the coarse stage to provide additional information for
better performance and faster convergence. Experimental results demonstrate
that JOINEDTrans outperforms existing state-of-the-art methods on the publicly
available GAMMA, REFUGE, and PALM fundus image datasets. We make our code
available at https://github.com/HuaqingHe/JOINEDTrans
- Abstract（参考訳）: 深層学習に基づく画像セグメンテーションと検出モデルは、光学ディスク(OD)、光学カップ(OC)、フォビアなどの網膜のランドマークを分析する効率を大幅に改善した。
しかし,眼疾患関連病変や画像品質の低下などの要因は,自動OD/OCセグメンテーションや卵胞検出を著しく複雑にする可能性がある。
現存する作品の多くは、各ランドマークの識別を1つのタスクとして扱い、事前の情報を考慮しない。
これらの問題に対処するため,我々はジョイントod/ocセグメンテーションとfovea検出のための事前誘導型マルチタスクトランスフォーマーフレームワークであるjointransを提案する。
jointransは、眼底画像の様々な空間的特徴を効果的に結合し、病変やその他の画像問題によって引き起こされる構造的歪みを緩和する。
セグメンテーションブランチと検出ブランチを含む。
本稿では,血管分割作業で予め訓練されたエンコーダを用いて,血管の位置関係,OD/OC,foveaを効果的に活用し,提案したJOINEDTransフレームワークに空間的事前を組み込むことに成功した。
JOINEDTransには粗いステージと細かいステージがある。
粗い段階では、ジョイントセグメンテーション及び検出モジュールを介してOD/OC粗いセグメンテーション及び葉熱マップの局在を得る。
微細な段階では、粗い段階で得られた改良と利用予測のために興味のある領域を収穫し、より良い性能とより高速な収束のための追加情報を提供する。
実験の結果,JOINEDTrans は GAMMA, REFUGE, PALM 画像データセットにおいて既存の最先端手法よりも優れていた。
コードはhttps://github.com/HuaqingHe/JOINEDTransで公開しています。
関連論文リスト
- Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。
提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
論文 参考訳（メタデータ） (2024-04-25T05:42:41Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - DA-TransUNet: Integrating Spatial and Channel Dual Attention with
Transformer U-Net for Medical Image Segmentation [5.5582646801199225]
本研究では,DA-TransUNetと呼ばれる新しい深層画像分割フレームワークを提案する。
トランスフォーマーとデュアルアテンションブロック(DA-Block)を従来のU字型アーキテクチャに統合することを目的としている。
以前のトランスフォーマーベースのU-netモデルとは異なり、DA-TransUNetはトランスフォーマーとDA-Blockを使用してグローバルな特徴とローカルな特徴だけでなく、画像固有の位置とチャネルの特徴を統合する。
論文 参考訳（メタデータ） (2023-10-19T08:25:03Z) - M$^{2}$SNet: Multi-scale in Multi-scale Subtraction Network for Medical
Image Segmentation [73.10707675345253]
医用画像から多様なセグメンテーションを仕上げるマルチスケールサブトラクションネットワーク(M$2$SNet)を提案する。
本手法は,4つの異なる医用画像セグメンテーションタスクの11つのデータセットに対して,異なる評価基準の下で,ほとんどの最先端手法に対して好意的に機能する。
論文 参考訳（メタデータ） (2023-03-20T06:26:49Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - 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) - JOINED : Prior Guided Multi-task Learning for Joint Optic Disc/Cup
Segmentation and Fovea Detection [1.2250035750661867]
そこで本研究では, JOINEDという新しい手法を用いて, 複数タスク学習を先導し, OD/OCセグメンテーションと卵胞検出を行った。
提案するJOINEDパイプラインは粗い段と細かい段からなる。
実験の結果,提案したJOINEDは既存の最先端手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-01T13:47:48Z) - Contextual Information Enhanced Convolutional Neural Networks for
Retinal Vessel Segmentation in Color Fundus Images [0.0]
自動網膜血管セグメンテーションシステムは、臨床診断及び眼科研究を効果的に促進することができる。
ディープラーニングベースの手法が提案され、いくつかのカスタマイズされたモジュールが有名なエンコーダデコーダアーキテクチャU-netに統合されている。
その結果,提案手法は先行技術よりも優れ,感性/リコール,F1スコア,MCCの最先端性能を実現している。
論文 参考訳（メタデータ） (2021-03-25T06:10:47Z) - TransUNet: Transformers Make Strong Encoders for Medical Image
Segmentation [78.01570371790669]
医用画像のセグメンテーションは医療システムの開発に必須の前提条件である。
様々な医療画像セグメンテーションタスクにおいて、U-Netとして知られるu字型アーキテクチャがデファクトスタンダードとなっている。
医用画像セグメンテーションの強力な代替手段として,トランスフォーマーとU-Netの両方を有効活用するTransUNetを提案する。
論文 参考訳（メタデータ） (2021-02-08T16:10:50Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。