論文の概要: FRS-Nets: Fourier Parameterized Rotation and Scale Equivariant Networks
for Retinal Vessel Segmentation
- arxiv url: http://arxiv.org/abs/2309.15638v1
- Date: Wed, 27 Sep 2023 13:14:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 13:45:38.965739
- Title: FRS-Nets: Fourier Parameterized Rotation and Scale Equivariant Networks
for Retinal Vessel Segmentation
- Title(参考訳): FRS-Nets: 網膜血管セグメンテーションのためのフーリエパラメータ化回転とスケール同変ネットワーク
- Authors: Zihong Sun, Qi Xie and Deyu Meng
- Abstract要約: フーリエのパラメータ化と回転とスケーリングに等価な新しい畳み込み演算子 (FRS-Conv) を構築する。
対応するベースラインの13.9%のパラメータで、FRS-Netは最先端のパフォーマンスを達成した。
FRS-Netsの顕著な精度、一般化、臨床応用の可能性を示す。
- 参考スコア(独自算出の注目度): 55.4653338610275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With translation equivariance, convolution neural networks (CNNs) have
achieved great success in retinal vessel segmentation. However, some other
symmetries of the vascular morphology are not characterized by CNNs, such as
rotation and scale symmetries. To embed more equivariance into CNNs and achieve
the accuracy requirement for retinal vessel segmentation, we construct a novel
convolution operator (FRS-Conv), which is Fourier parameterized and equivariant
to rotation and scaling. Specifically, we first adopt a new parameterization
scheme, which enables convolutional filters to arbitrarily perform
transformations with high accuracy. Secondly, we derive the formulations for
the rotation and scale equivariant convolution mapping. Finally, we construct
FRS-Conv following the proposed formulations and replace the traditional
convolution filters in U-Net and Iter-Net with FRS-Conv (FRS-Nets). We
faithfully reproduce all compared methods and conduct comprehensive experiments
on three public datasets under both in-dataset and cross-dataset settings. With
merely 13.9% parameters of corresponding baselines, FRS-Nets have achieved
state-of-the-art performance and significantly outperform all compared methods.
It demonstrates the remarkable accuracy, generalization, and clinical
application potential of FRS-Nets.
- Abstract(参考訳): 翻訳等価性により、畳み込みニューラルネットワーク(CNN)は網膜血管セグメンテーションにおいて大きな成功を収めた。
しかし、血管形態の他の対称性は、回転やスケール対称性のようなcnnによって特徴づけられていない。
さらに,CNNに等価性を組み込み,網膜血管セグメンテーションの精度要求を実現するために,フーリエのパラメータ化と回転とスケーリングに等価な新しい畳み込み演算子 (FRS-Conv) を構築した。
具体的には、畳み込みフィルタを任意に高精度に変換できる新しいパラメータ化方式を最初に採用する。
第二に、回転とスケール同変の畳み込み写像の定式化を導出する。
最後に、提案した定式化に従ってFRS-Convを構築し、U-NetとIter-Netの従来の畳み込みフィルタをFRS-Conv(FRS-Nets)に置き換える。
比較した手法をすべて忠実に再現し,データセット内およびデータセット横断設定の3つの公開データセットについて包括的な実験を行う。
対応するベースラインのパラメータが13.9%に過ぎず、FRS-Netは最先端のパフォーマンスを達成し、比較したすべてのメソッドを著しく上回っている。
FRS-Netsの顕著な精度、一般化、臨床応用の可能性を示す。
関連論文リスト
- Region Guided Attention Network for Retinal Vessel Segmentation [19.587662416331682]
本稿では,領域誘導型アテンションを用いたエンコーダデコーダ機構に基づく軽量網膜血管セグメンテーションネットワークを提案する。
Dice Losは偽陽性と偽陰性を等しく解析し、モデルがより正確なセグメンテーションを生成するように促す。
ベンチマークデータセットの実験では、最先端の手法と比較して、パフォーマンス(0.8285, 0.8098, 0.9677, 0.8166リコール、精度、精度、F1スコア)が向上した。
論文 参考訳(メタデータ) (2024-07-22T00:08:18Z) - SAM-VMNet: Deep Neural Networks For Coronary Angiography Vessel Segmentation [2.6879908098704544]
我々は,MedSAMの強力な特徴抽出機能と VM-UNet の線形複雑性の利点を組み合わせた新しいアーキテクチャ SAM-VMNet を提案する。
実験の結果、SAM-VMNetアーキテクチャはCTAイメージセグメンテーションタスクにおいて、98.32%までのセグメンテーション精度と99.33%までの感度で優れた性能を示した。
論文 参考訳(メタデータ) (2024-06-01T16:45:33Z) - Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳(メタデータ) (2024-01-11T19:07:58Z) - LMBiS-Net: A Lightweight Multipath Bidirectional Skip Connection based
CNN for Retinal Blood Vessel Segmentation [0.0]
ブラディングアイの病気は、しばしば変化した網膜形態と相関し、眼底画像の網膜構造をセグメント化することによって臨床的に識別できる。
深層学習は、医用画像のセグメンテーションにおいて有望であるが、反復的な畳み込みとプール操作への依存は、エッジ情報の表現を妨げる可能性がある。
LMBiS-Net と呼ばれる軽量な画素レベルのCNNを網膜血管のセグメンテーションのために提案する。
論文 参考訳(メタデータ) (2023-09-10T09:03:53Z) - 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) - 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) - VAFO-Loss: VAscular Feature Optimised Loss Function for Retinal
Artery/Vein Segmentation [7.670940374203646]
血管密度とフラクタル次元の2つの共通血管的特徴は,分節内誤分類に敏感である。
標準セグメンテーションネットワークにエンド・ツー・エンドのVAFO-Lossを組み込むことで血管機能推定が向上することを示す。
また,機能最適化損失VAFO-Lossに偏りがあるにもかかわらず,セグメンテーションの統計学的に有意な改善が見られたことも技術的に興味深いことを報告した。
論文 参考訳(メタデータ) (2022-03-12T12:40:20Z) - RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2
Visual Field Data based on Retinal Structure [109.33721060718392]
緑内障は 世界でも 不可逆的な盲目の 主要な原因です 7000万人以上が 影響を受けています
The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
論文 参考訳(メタデータ) (2020-10-15T03:09:08Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープ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,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳(メタデータ) (2020-07-18T05:46:47Z) - ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New
Model [41.444917622855606]
OCT-Aセグメンテーションデータセット(ROSE)は229枚のOCT-A画像からなり、中心線レベルまたは画素レベルで血管アノテーションを付加する。
次に,スプリットをベースとしたSCF-Net(Coarse-to-Fine vessel segmentation Network)を提案する。
SCF-Netでは、スプリットベース粗いセグメンテーション(SCS)モジュールを最初に導入し、スプリットベースリファインメント(SRN)モジュールを使用して形状・形状を最適化する。
論文 参考訳(メタデータ) (2020-07-10T06:54:19Z)
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。