論文の概要: RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation
- arxiv url: http://arxiv.org/abs/2309.15638v2
- Date: Fri, 6 Sep 2024 13:21:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 21:08:19.010877
- Title: RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation
- Title（参考訳）: RSF-Conv: 網膜血管セグメンテーションのための回転・スケール同変フーリエパラメータ化畳み込み
- Authors: Zihong Sun, Hong Wang, Qi Xie, Yefeng Zheng, Deyu Meng,
- Abstract要約: 本稿では,網膜血管分割に特化して,回転・スケール同値なフーリエパラメータ化畳み込み(RSF-Conv)を提案する。
一般的なモジュールとして、RCF-Convはプラグイン・アンド・プレイ方式で既存のネットワークに統合できる。
RSF-Convの有効性を示すため,RSF-Conv+U-NetとRCF-Conv+Iter-Netを網膜動脈・静脈の分類に適用した。
- 参考スコア（独自算出の注目度）: 58.618797429661754
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retinal vessel segmentation is of great clinical significance for the diagnosis of many eye-related diseases, but it is still a formidable challenge due to the intricate vascular morphology. With the skillful characterization of the translation symmetry existing in retinal vessels, convolutional neural networks (CNNs) have achieved great success in retinal vessel segmentation. However, the rotation-and-scale symmetry, as a more widespread image prior in retinal vessels, fails to be characterized by CNNs. Therefore, we propose a rotation-and-scale equivariant Fourier parameterized convolution (RSF-Conv) specifically for retinal vessel segmentation, and provide the corresponding equivariance analysis. As a general module, RSF-Conv can be integrated into existing networks in a plug-and-play manner while significantly reducing the number of parameters. For instance, we replace the traditional convolution filters in U-Net and Iter-Net with RSF-Convs, and faithfully conduct comprehensive experiments. RSF-Conv+U-Net and RSF-Conv+Iter-Net not only have slight advantages under in-domain evaluation, but more importantly, outperform all comparison methods by a significant margin under out-of-domain evaluation. It indicates the remarkable generalization of RSF-Conv, which holds greater practical clinical significance for the prevalent cross-device and cross-hospital challenges in clinical practice. To comprehensively demonstrate the effectiveness of RSF-Conv, we also apply RSF-Conv+U-Net and RSF-Conv+Iter-Net to retinal artery/vein classification and achieve promising performance as well, indicating its clinical application potential.
- Abstract（参考訳）: 網膜血管のセグメンテーションは多くの眼疾患の診断において非常に臨床的に重要であるが、複雑な血管形態が原因でいまだに深刻な課題である。
網膜血管に存在する翻訳対称性の巧妙な特徴により、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、網膜血管に先行するより広範な画像として回転とスケールの対称性は、CNNによって特徴づけられていない。
そこで本研究では,網膜血管セグメンテーションに特化した回転・スケールのフーリエパラメータ化畳み込み(RSF-Conv)を提案する。
一般的なモジュールとして、RCF-Convはプラグイン・アンド・プレイ方式で既存のネットワークに統合でき、パラメータの数を著しく削減できる。
例えば、U-Net と Iter-Net の従来の畳み込みフィルタを RSF-Convs に置き換え、包括的な実験を忠実に行う。
RSF-Conv+U-Net と RSF-Conv+Iter-Net は、ドメイン内評価においてわずかに利点があるだけでなく、ドメイン外評価において、すべての比較手法よりも優れている。
RSF-Convの顕著な一般化が示され,臨床実践におけるクロスデバイスとクロスホスピタルの課題に対して,より実践的な臨床的意義が増している。
RSF-Convの有効性を総合的に示すため,RCF-Conv+U-Net と RSF-Conv+Iter-Net を網膜動脈/静脈の分類に適用し,その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。