論文の概要: Deep Learning Methods for Retinal Blood Vessel Segmentation: Evaluation
on Images with Retinopathy of Prematurity
- arxiv url: http://arxiv.org/abs/2306.11576v1
- Date: Tue, 20 Jun 2023 14:46:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 13:54:52.866443
- Title: Deep Learning Methods for Retinal Blood Vessel Segmentation: Evaluation
on Images with Retinopathy of Prematurity
- Title（参考訳）: 網膜血管セグメンテーションのための深層学習法:未熟児網膜症画像の検討
- Authors: Gorana Goji\'c, Veljko Petrovi\'c, Radovan Turovi\'c, Dinu Dragan, Ana
Oros, Du\v{s}an Gaji\'c, Neboj\v{s}a Horvat
- Abstract要約: 未熟網膜画像の網膜症における血管セグメンテーションのための3つの高性能畳み込みニューラルネットワークの性能評価を行った。
実験の結果, 乳児の網膜血管は低コントラストにより検出が困難であった。
これら3つの溶液は、未熟の網膜症を診断するために使われず、代わりにノイズを表し、網膜血管と混同される脈絡膜血管も含む。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic blood vessel segmentation from retinal images plays an important
role in the diagnosis of many systemic and eye diseases, including retinopathy
of prematurity. Current state-of-the-art research in blood vessel segmentation
from retinal images is based on convolutional neural networks. The solutions
proposed so far are trained and tested on images from a few available retinal
blood vessel segmentation datasets, which might limit their performance when
given an image with retinopathy of prematurity signs. In this paper, we
evaluate the performance of three high-performing convolutional neural networks
for retinal blood vessel segmentation in the context of blood vessel
segmentation on retinopathy of prematurity retinal images. The main motive
behind the study is to test if existing public datasets suffice to develop a
high-performing predictor that could assist an ophthalmologist in retinopathy
of prematurity diagnosis. To do so, we create a dataset consisting solely of
retinopathy of prematurity images with retinal blood vessel annotations
manually labeled by two observers, where one is the ophthalmologist experienced
in retinopathy of prematurity treatment. Experimental results show that all
three solutions have difficulties in detecting the retinal blood vessels of
infants due to a lower contrast compared to images from public datasets as
demonstrated by a significant drop in classification sensitivity. All three
solutions segment alongside retinal also choroidal blood vessels which are not
used to diagnose retinopathy of prematurity, but instead represent noise and
are confused with retinal blood vessels. By visual and numerical observations,
we observe that existing solutions for retinal blood vessel segmentation need
improvement toward more detailed datasets or deeper models in order to assist
the ophthalmologist in retinopathy of prematurity diagnosis.
- Abstract（参考訳）: 網膜画像からの血管の自動分割は、未熟児網膜症を含む多くの全身および眼疾患の診断において重要な役割を果たす。
網膜画像からの血管セグメンテーションの最先端の研究は、畳み込みニューラルネットワークに基づいている。
これまでに提案されたソリューションは、いくつかの利用可能な網膜血管セグメンテーションデータセットの画像に基づいてトレーニングされ、テストされている。
本稿では,未熟な網膜画像の網膜症における血管分画の文脈において,高パフォーマンス畳み込みニューラルネットワークを用いた3つの網膜血管分画の性能を評価する。
この研究の主な動機は、未熟な診断の網膜症で眼科医を助ける高性能な予測器を開発するのに、既存の公開データセットが十分かどうかをテストすることである。
そこで我々は2人の観察者によって手動でラベル付けされた網膜血管アノテーションを用いた未熟児画像の網膜症のみからなるデータセットを作成し,その1人は未熟児治療の網膜症に経験した眼科医である。
実験の結果, 乳児の網膜血管の検出には, 分類感度の大幅な低下が示されるように, 公共データセットの画像と比較して, コントラストが低いため, いずれも困難であることがわかった。
これら3つの溶液は、未熟の網膜症を診断するために使われず、代わりにノイズを表し、網膜血管と混同される脈絡膜血管も含む。
視的および数値的観察により,未熟児の網膜症に対する眼科医の補助として,既存の網膜血管分画のソリューションは,より詳細なデータセットや深層モデルへの改善が必要であることを観察した。
関連論文リスト
- RAVIR: A Dataset and Methodology for the Semantic Segmentation and
Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance
Imaging [7.316426736150123]
Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。
本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。
本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2022-03-28T17:30:29Z) - A Residual Encoder-Decoder Network for Segmentation of Retinal
Image-Based Exudates in Diabetic Retinopathy Screening [1.8496844821697171]
網膜画像におけるエキダレートのセグメンテーションのための残差スキップ接続を有する畳み込みニューラルネットワークを提案する。
提案するネットワークは,糖尿病網膜症スクリーニングに適応し,高い精度で抽出する。
論文 参考訳（メタデータ） (2022-01-16T04:08:17Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳（メタデータ） (2021-10-06T08:10:28Z) - 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) - Transfer Learning Through Weighted Loss Function and Group Normalization
for Vessel Segmentation from Retinal Images [0.0]
血管の血管構造は緑内障や糖尿病網膜症などの網膜疾患の診断に重要である。
深層学習とトランスファー学習を併用した網膜血管のセグメンテーション手法を提案する。
提案手法は,他の手法よりもセグメンテーション精度が高い。
論文 参考訳（メタデータ） (2020-12-16T20:34:48Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z) - Detection of Retinal Blood Vessels by using Gabor filter with Entropic
threshold [0.0]
本稿では,血管の同定と除去のためのプログラム戦略を提案する。
血管は、自由アクセス可能な2つの網膜データベース上のGobarフィルタを利用して認識され、消去された。
論文 参考訳（メタデータ） (2020-08-25T16:51:12Z) - 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) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
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。