論文の概要: MEMO: Dataset and Methods for Robust Multimodal Retinal Image Registration with Large or Small Vessel Density Differences

• arxiv url: http://arxiv.org/abs/2309.14550v2
• Date: Fri, 12 Jul 2024 19:15:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 04:48:58.712848
• Title: MEMO: Dataset and Methods for Robust Multimodal Retinal Image Registration with Large or Small Vessel Density Differences
• Title（参考訳）: MEMO:大または小血管密度差を有するロバスト多モード網膜画像登録のためのデータセットと方法
• Authors: Chiao-Yi Wang, Faranguisse Kakhi Sadrieh, Yi-Ting Shen, Shih-En Chen, Sarah Kim, Victoria Chen, Achyut Raghavendra, Dongyi Wang, Osamah Saeedi, Yang Tao,
• Abstract要約: セグメンテーションに基づくディープラーニングフレームワーク(VDD-Reg)と新しい評価指標(MSD)を提案する。 VDD-Regはコンテナセグメンテーションモジュールと登録モジュールで構成される。 我々は,VDD-Regが,VD差とVD差が大きい場合に,ベースライン法を定量的に,質的に上回ることを示した。
• 参考スコア（独自算出の注目度）: 1.241483527846377
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The measurement of retinal blood flow (RBF) in capillaries can provide a powerful biomarker for the early diagnosis and treatment of ocular diseases. However, no single modality can determine capillary flowrates with high precision. Combining erythrocyte-mediated angiography (EMA) with optical coherence tomography angiography (OCTA) has the potential to achieve this goal, as EMA can measure the absolute 2D RBF of retinal microvasculature and OCTA can provide the 3D structural images of capillaries. However, multimodal retinal image registration between these two modalities remains largely unexplored. To fill this gap, we establish MEMO, the first public multimodal EMA and OCTA retinal image dataset. A unique challenge in multimodal retinal image registration between these modalities is the relatively large difference in vessel density (VD). To address this challenge, we propose a segmentation-based deep-learning framework (VDD-Reg) and a new evaluation metric (MSD), which provide robust results despite differences in vessel density. VDD-Reg consists of a vessel segmentation module and a registration module. To train the vessel segmentation module, we further designed a two-stage semi-supervised learning framework (LVD-Seg) combining supervised and unsupervised losses. We demonstrate that VDD-Reg outperforms baseline methods quantitatively and qualitatively for cases of both small VD differences (using the CF-FA dataset) and large VD differences (using our MEMO dataset). Moreover, VDD-Reg requires as few as three annotated vessel segmentation masks to maintain its accuracy, demonstrating its feasibility.
• Abstract（参考訳）: 毛細血管における網膜血流(RBF)の測定は、眼疾患の早期診断と治療のための強力なバイオマーカーとなる。 しかし、キャピラリー流量を高精度で決定できる単一のモダリティは存在しない。 EMAは網膜微小血管の絶対2D RBFを測定することができ、OCTAは毛細血管の3D構造像を提供することができるため、EMAと光コヒーレンス断層血管造影(OCTA)を組み合わせることでこの目標を達成することができる。 しかし、これらの2つのモード間のマルチモーダル網膜画像の登録はほとんど未発見のままである。 このギャップを埋めるために、最初のパブリックマルチモーダルEMAであるMEMOとOCTA網膜画像データセットを構築した。 これらのモダリティ間のマルチモーダル網膜画像登録におけるユニークな課題は、血管密度(VD)の相対的な大きな差である。 この課題に対処するために,分割型ディープラーニングフレームワーク (VDD-Reg) と新しい評価指標 (MSD) を提案する。 VDD-Regはコンテナセグメンテーションモジュールと登録モジュールで構成される。 船体セグメンテーションモジュールを訓練するために,教師なしと教師なしの損失を組み合わせた2段階の半教師付き学習フレームワーク(LVD-Seg)を設計した。 CF-FAデータセットを用いた)小さなVD差と大きなVD差(MEMOデータセットを用いた)の場合に,VDD-Regはベースライン法を定量的かつ定性的に上回ることを示す。 さらに、VDD-Regはその精度を維持するために3つの注釈付き容器セグメンテーションマスクが必要であり、その実現可能性を示している。

関連論文リスト

• OCTAMamba: A State-Space Model Approach for Precision OCTA Vasculature Segmentation [10.365417594185685]
  そこで我々は,OCTAMambaを提案する。OCTAMambaはOCTAMambaアーキテクチャをベースとした新しいU字型ネットワークで,OCTA内の血管を正確に分割する。 OCTAMambaは、局所的な特徴抽出のためのQuad Stream Efficient Mining Embedding Module、マルチスケールDilated Asymmetric Convolution ModuleをキャプチャするMulti-Scale Dilated Convolution Module、ノイズをフィルタリングしターゲット領域をハイライトするFocused Feature Recalibration Moduleを統合している。 本手法は,線形複雑度を維持しつつ,効率的なグローバルモデリングと局所特徴抽出を実現し,低計算医療応用に適している。
  論文  参考訳（メタデータ） (2024-09-12T12:47:34Z)
• Serp-Mamba: Advancing High-Resolution Retinal Vessel Segmentation with Selective State-Space Model [45.682311387979944]
  本稿では,この課題に対処する最初のSerpentine Mamba(Serp-Mamba)ネットワークを提案する。 我々はまず,UWF-SLO画像をヘビのように曲がった血管構造に沿って走査するSerpentine Interwoven Adaptive (SIA)スキャン機構を考案した。 次に,高分解能画像によって強調されるカテゴリ不均衡問題に対処するアンビグニティ駆動型デュアルリカレーションモジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-06T15:40:47Z)
• 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)
• C-DARL: Contrastive diffusion adversarial representation learning for label-free blood vessel segmentation [39.79157116429435]
  本稿では,C-DARLモデルと呼ばれる自己教師型血管分割手法を提案する。 本モデルは,多領域血管データの分布を学習する拡散モジュールと生成モジュールから構成される。 有効性を検証するために、C-DARLは冠動脈血管造影、腹部デジタルサブトラクション血管造影、網膜画像などの様々な血管データセットを用いて訓練される。
  論文  参考訳（メタデータ） (2023-07-31T23:09:01Z)
• 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)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• 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)
• 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)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。