論文の概要: GlanceSeg: Real-time microaneurysm lesion segmentation with
gaze-map-guided foundation model for early detection of diabetic retinopathy
- arxiv url: http://arxiv.org/abs/2311.08075v1
- Date: Tue, 14 Nov 2023 10:59:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 14:42:10.127995
- Title: GlanceSeg: Real-time microaneurysm lesion segmentation with
gaze-map-guided foundation model for early detection of diabetic retinopathy
- Title（参考訳）: gaze-map-guided foundation modelを用いた糖尿病網膜症早期発見のためのリアルタイム微小動脈瘤病変分割法
- Authors: Hongyang Jiang, Mengdi Gao, Zirong Liu, Chen Tang, Xiaoqing Zhang,
Shuai Jiang, Wu Yuan, and Jiang Liu
- Abstract要約: 早期糖尿病網膜症(DR)は微小血管腫による臨床診断に課題を呈する。
セグメント・アズ・モデル(SAM)に基づいて,GlanceSeg というラベルフリー早期DR診断フレームワークを提案する。
GlanceSegは眼科医が眼底の画像をレビューするときに、微小血管腫の病変のリアルタイムセグメンテーションを可能にする。
- 参考スコア（独自算出の注目度）: 13.055297330424397
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early-stage diabetic retinopathy (DR) presents challenges in clinical
diagnosis due to inconspicuous and minute microangioma lesions, resulting in
limited research in this area. Additionally, the potential of emerging
foundation models, such as the segment anything model (SAM), in medical
scenarios remains rarely explored. In this work, we propose a
human-in-the-loop, label-free early DR diagnosis framework called GlanceSeg,
based on SAM. GlanceSeg enables real-time segmentation of microangioma lesions
as ophthalmologists review fundus images. Our human-in-the-loop framework
integrates the ophthalmologist's gaze map, allowing for rough localization of
minute lesions in fundus images. Subsequently, a saliency map is generated
based on the located region of interest, which provides prompt points to assist
the foundation model in efficiently segmenting microangioma lesions. Finally, a
domain knowledge filter refines the segmentation of minute lesions. We
conducted experiments on two newly-built public datasets, i.e., IDRiD and
Retinal-Lesions, and validated the feasibility and superiority of GlanceSeg
through visualized illustrations and quantitative measures. Additionally, we
demonstrated that GlanceSeg improves annotation efficiency for clinicians and
enhances segmentation performance through fine-tuning using annotations. This
study highlights the potential of GlanceSeg-based annotations for self-model
optimization, leading to enduring performance advancements through continual
learning.
- Abstract（参考訳）: 早期糖尿病網膜症 (DR) は, 軽微な微小血管腫病変による臨床診断に困難を呈し, この分野の研究は限られている。
さらに、医学的シナリオにおけるsegment anything model(sam)のような、新興の基盤モデルの可能性を探求することは稀である。
本研究では,SAMをベースとしたラベルフリー早期DR診断フレームワークGlanceSegを提案する。
glancesegは眼科医が眼底画像を確認するため、微小血管腫病変のリアルタイムな分画を可能にする。
眼科医の視線マップを統合し,眼底画像中の微小病変を大まかに位置決めする。
その後、微小血管腫病変を効率的に分別する基盤モデルを支援するためのプロンプトポイントを提供する位置領域に基づいて、サリエンシーマップを生成する。
最後に、ドメイン知識フィルタは微小病変のセグメンテーションを洗練させる。
新たに構築された2つのパブリックデータセット(IDRiDとRetinal-Lesions)について実験を行い、可視化された図形と定量測定によってGlanceSegの有効性と優位性を検証した。
さらに, 臨床医のアノテーション効率が向上し, アノテーションを用いた微調整によりセグメンテーション性能が向上することを示した。
本研究は、自己モデル最適化のためのGlanceSegベースのアノテーションの可能性を強調し、連続学習による持続的なパフォーマンス向上をもたらす。
関連論文リスト
- Adversarial Vessel-Unveiling Semi-Supervised Segmentation for Retinopathy of Prematurity Diagnosis [9.683492465191241]
広範囲な手動血管アノテーションを必要とせず,ROP研究を進めるための半教師付きセグメンテーションフレームワークを提案する。
ラベル付きデータにのみ依存する従来の手法とは異なり,本手法では不確実性重み付き容器公開モジュールとドメイン対向学習を統合している。
我々は、パブリックデータセットと社内ROPデータセットに対するアプローチを検証し、複数の評価指標で優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2024-11-14T02:40:34Z) - Visual Prompt Engineering for Medical Vision Language Models in Radiology [0.1636269503300992]
ビジョン言語モデル(VLP)は、ゼロショットパフォーマンスの分類を改善するために学習を活用することで、有望なソリューションを提供する。
本稿では,視覚的プロンプト工学の可能性を探究し,重要な領域への潜在的関心を高める。
論文 参考訳（メタデータ） (2024-08-28T13:53:27Z) - Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。
提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。
次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文 参考訳（メタデータ） (2024-08-09T15:10:34Z) - Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。
第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。
第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
論文 参考訳（メタデータ） (2024-04-12T20:39:19Z) - Morphology-Enhanced CAM-Guided SAM for weakly supervised Breast Lesion Segmentation [7.747608350830482]
早期乳房超音波画像における病変の断片化を弱体化するための新しい枠組みを提案する。
本手法は,形態的拡張とクラスアクティベーションマップ(CAM)誘導局所化を用いた。
このアプローチはピクセルレベルのアノテーションを必要としないため、データアノテーションのコストが削減される。
論文 参考訳（メタデータ） (2023-11-18T22:06:04Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - 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) - 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) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation [33.684182783291064]
アジア人では, 一次角閉鎖緑内障(PACG)が非可逆性失明の原因となっている。
提案するフレームワークは,相互に信頼性の高いガイダンスを提供する2つのモデルで構成されている。
公開されているAGEデータセットの実験では、提案されたフレームワークが最先端の半弱教師付き手法より優れていることが示されている。
論文 参考訳（メタデータ） (2020-07-20T11:26:32Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳（メタデータ） (2020-04-10T13:12:47Z)
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。