Fugu-MT 論文翻訳(概要): A publicly available vessel segmentation algorithm for SLO images

論文の概要: A publicly available vessel segmentation algorithm for SLO images

arxiv url: http://arxiv.org/abs/2311.17525v1
Date: Wed, 29 Nov 2023 10:53:08 GMT
ステータス: 処理完了
システム内更新日: 2023-11-30 21:41:45.441631
Title: A publicly available vessel segmentation algorithm for SLO images
Title（参考訳）: SLO画像のための公開容器分割アルゴリズム
Authors: Adam Threlfall, Samuel Gibbon, James Cameron, Tom MacGillivray
Abstract要約: Infra-red scanning laser ophthalmoscope (IRSLO) 画像は、後極と網膜血管の微細な細部を表示する際の眼底のカラー写真と類似している。 IRSLO画像に特化した血管分割アルゴリズムを開発した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Background and Objective: Infra-red scanning laser ophthalmoscope (IRSLO) images are akin to colour fundus photographs in displaying the posterior pole and retinal vasculature fine detail. While there are many trained networks readily available for retinal vessel segmentation in colour fundus photographs, none cater to IRSLO images. Accordingly, we aimed to develop (and release as open source) a vessel segmentation algorithm tailored specifically to IRSLO images. Materials and Methods: We used 23 expertly annotated IRSLO images from the RAVIR dataset, combined with 7 additional images annotated in-house. We trained a U-Net (convolutional neural network) to label pixels as 'vessel' or 'background'. Results: On an unseen test set (4 images), our model achieved an AUC of 0.981, and an AUPRC of 0.815. Upon thresholding, it achieved a sensitivity of 0.844, a specificity of 0.983, and an F1 score of 0.857. Conclusion: We have made our automatic segmentation algorithm publicly available and easy to use. Researchers can use the generated vessel maps to compute metrics such as fractal dimension and vessel density.
Abstract（参考訳）: 背景と目的:赤外線走査型レーザー眼科鏡(IRSLO)画像は、後極と網膜血管の微細な細部を表示する際の眼底写真に類似している。カラー眼底写真では網膜血管のセグメンテーションに容易に利用できる訓練済みのネットワークが多数存在するが、IRSLO画像には対応していない。そこで我々は,irslo画像専用に設計した容器分割アルゴリズムの開発(およびオープンソースとしてリリース)を目標とした。 Materials and Methods: RAVIRデータセットから得られた23の専門的な注釈付きIRSLO画像と7つの追加的な注釈付き画像を使用した。 u-net (convolutional neural network) をトレーニングして,ピクセルを 'vessel' または 'background' とラベル付けした。結果: 未確認テストセット(4画像)では, AUCが0.981, AUPRCが0.815であった。しきい値は0.844、特異度0.983、f1スコア0.857であった。結論: 自動セグメンテーションアルゴリズムを一般公開し,利用しやすくした。研究者は生成した血管マップを使用してフラクタル次元や血管密度などのメトリクスを計算することができる。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
SLOctolyzer: Fully automatic analysis toolkit for segmentation and feature extracting in scanning laser ophthalmoscopy images [4.205028392035434]
本研究の目的は、赤外反射レーザースキャン(SLO)画像における網膜血管のオープンソース解析であるSLOctolyzerの導入である。セグメンテーションモジュールは、深層学習法を用いて網膜解剖を規定し、眼窩と視ディスクを検出する。測定モジュールは、分割された網膜血管の複雑さ、密度、靭性、口径を定量化する。
論文参考訳（メタデータ） (2024-06-24T09:16:17Z)
TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
Domain-specific augmentations with resolution agnostic self-attention mechanism improves choroid segmentation in optical coherence tomography images [3.8485899972356337]
脈絡膜は眼の重要な血管層であり、網膜光受容体に酸素を供給する。現在、コロイドを測定するには、独立した半自動および深層学習に基づく複数のアルゴリズムを使う必要がある。我々は、コロイドセグメンテーション(REACH)のためのロバストで解像度に依存しない、効果的な注意に基づくネットワークを提案する。
論文参考訳（メタデータ） (2024-05-23T11:35:23Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
An Accurate and Efficient Neural Network for OCTA Vessel Segmentation and a New Dataset [2.8743451550676866]
OCTA画像における網膜血管セグメンテーションのための高精度かつ効率的な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,パラメータが少なく,推論速度も速く,他のSOTA手法に匹敵する精度を実現している。 918個のOCTA画像とそれに対応する血管アノテーションを含む新しいデータセットを作成する。
論文参考訳（メタデータ） (2023-09-18T04:47:12Z)
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)
Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
論文参考訳（メタデータ） (2022-10-24T11:19:18Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
The Unreasonable Effectiveness of Encoder-Decoder Networks for Retinal Vessel Segmentation [3.351714665243138]
網膜画像における血管のセグメンテーションのためのエンコーダデコーダフレームワークを提案する。 3つの基礎画像データセットの実験は、このアプローチが最先端の結果を達成することを実証している。 VLightと呼ばれるこのフレームワークは、特定のトレーニングイメージへの過度な適合を回避し、さまざまなデータセットをまたがって適切に一般化されていることを示す。
論文参考訳（メタデータ） (2020-11-25T11:10:37Z)
Supervised Segmentation of Retinal Vessel Structures Using ANN [0.0]
この研究は、DRIVEデータセットで知られている最も一般的な網膜データセットの1つである20の画像を用いて行われた。 20枚の画像の平均セグメンテーション精度は0.9492である。
論文参考訳（メタデータ） (2020-01-15T20:48:03Z)

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。