論文の概要: LUNet: Deep Learning for the Segmentation of Arterioles and Venules in High Resolution Fundus Images

• arxiv url: http://arxiv.org/abs/2309.05780v1
• Date: Mon, 11 Sep 2023 19:24:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 15:31:27.902395
• Title: LUNet: Deep Learning for the Segmentation of Arterioles and Venules in High Resolution Fundus Images
• Title（参考訳）: LUNet:高分解能ファンダス画像における動脈と静脈の分画の深層学習
• Authors: Jonathan Fhima, Jan Van Eijgen, Hana Kulenovic, Val\'erie Debeuf, Marie Vangilbergen, Marie-Isaline Billen, Helo\"ise Brackenier, Moti Freiman, Ingeborg Stalmans and Joachim A. Behar
• Abstract要約: 網膜は、血管を非侵襲的にイメージング技術でアクセスできる人間の身体の唯一の部分である。 網膜動静脈 (A/V) の分画は, 自動微小血管解析に必須である。 我々は15人の医学生による240人のクラウドソースによるA/Vセグメンテーションを含む新しいDFIデータセットを作成し、眼科医によるレビューを行った。 我々は,高分解能A/Vセグメンテーションのための新しいディープラーニングアーキテクチャLUNetを開発した。
• 参考スコア（独自算出の注目度）: 3.828197407736027
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The retina is the only part of the human body in which blood vessels can be accessed non-invasively using imaging techniques such as digital fundus images (DFI). The spatial distribution of the retinal microvasculature may change with cardiovascular diseases and thus the eyes may be regarded as a window to our hearts. Computerized segmentation of the retinal arterioles and venules (A/V) is essential for automated microvasculature analysis. Using active learning, we created a new DFI dataset containing 240 crowd-sourced manual A/V segmentations performed by fifteen medical students and reviewed by an ophthalmologist, and developed LUNet, a novel deep learning architecture for high resolution A/V segmentation. LUNet architecture includes a double dilated convolutional block that aims to enhance the receptive field of the model and reduce its parameter count. Furthermore, LUNet has a long tail that operates at high resolution to refine the segmentation. The custom loss function emphasizes the continuity of the blood vessels. LUNet is shown to significantly outperform two state-of-the-art segmentation algorithms on the local test set as well as on four external test sets simulating distribution shifts across ethnicity, comorbidities, and annotators. We make the newly created dataset open access (upon publication).
• Abstract（参考訳）: 網膜は、血管を非侵襲的にアクセスするための唯一の部分であり、デジタル眼底画像(DFI)のようなイメージング技術を用いている。 網膜微小血管の空間分布は心血管疾患によって変化し、目は私たちの心臓の窓と見なされる可能性がある。 網膜動静脈 (A/V) の分画は, 自動微小血管解析に必須である。 アクティブラーニングを用いて,15名の医学生によるクラウドソースマニュアルa/vセグメンテーションを含む新しいdfiデータセットを作成し,高分解能a/vセグメンテーションのための新しいディープラーニングアーキテクチャlunetを開発した。 LUNetアーキテクチャは、モデルの受容場を強化し、パラメータ数を減らすことを目的とした二重拡張畳み込みブロックを含んでいる。 さらにLUNetは長い尾を持ち、セグメンテーションを洗練するために高解像度で動作する。 カスタム損失機能は、血管の連続性を強調している。 lunetは、ローカルテストセット上の2つの最先端セグメンテーションアルゴリズムと、4つの外部テストセットにおいて、民族、同義者、注釈者間の分布シフトをシミュレートしている。 新たに作成されたデータセットをオープンアクセス(アップオンパブリッシュ)します。

関連論文リスト

• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using disentangled representation with anatomical priors [4.2663199451998475]
  網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。 特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。 並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
  論文  参考訳（メタデータ） (2022-07-01T14:30:59Z)
• 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)
• ROCT-Net: A new ensemble deep convolutional model with improved spatial resolution learning for detecting common diseases from retinal OCT images [0.0]
  本稿では,OCT画像から網膜疾患を検出するために,新たな深層アンサンブル畳み込みニューラルネットワークを提案する。 本モデルは,2つの頑健な畳み込みモデルの学習アーキテクチャを用いて,リッチかつマルチレゾリューションな特徴を生成する。 2つのデータセットに関する実験と、他のよく知られた深層畳み込みニューラルネットワークとの比較により、アーキテクチャが分類精度を最大5%向上できることが証明された。
  論文  参考訳（メタデータ） (2022-03-03T17:51:01Z)
• 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)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• 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)
• Dense Residual Network for Retinal Vessel Segmentation [8.778525346264466]
  走査型レーザー眼鏡視下網膜像において,血管の分画を効果的に行う方法を提案する。 U-Net,「機能マップの再利用」,残差学習に触発され,DRNetと呼ばれる高密度残差ネットワーク構造を提案する。 本手法は,データ拡張を伴わずとも最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-04-07T20:42:13Z)
• 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。