論文の概要: Automated Localization of Blood Vessels in Retinal Images

• arxiv url: http://arxiv.org/abs/2401.02962v1
• Date: Sun, 22 Oct 2023 21:05:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 09:46:00.960850
• Title: Automated Localization of Blood Vessels in Retinal Images
• Title（参考訳）: 網膜画像における血管の自動局在
• Authors: Vahid Mohammadi Safarzadeh
• Abstract要約: 健康な網膜像と不健康な網膜像の両方を扱う2つの方法を分析した。 最初のステップでは、明るい病変の影響を減らすためにアルゴリズムが使用される。 第2のステップでは、ライン状の血管構造を局在させるために、マルチスケールのライン演算子が使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vessel structure is one of the most important parts of the retina which physicians can detect many diseases by analysing its features. Localization of blood vessels in retina images is an important process in medical image analysis. This process is also more challenging with the presence of bright and dark lesions. In this thesis, two automated vessel localization methods to handle both healthy and unhealthy (pathological) retina images are analyzed. Each method consists of two major steps and the second step is the same in the two methods. In the first step, an algorithm is used to decrease the effect of bright lesions. In Method 1, this algorithm is based on K- Means segmentation, and in Method 2, it is based on a regularization procedure. In the second step of both methods, a multi-scale line operator is used to localize the line-shaped vascular structures and ignore the dark lesions which are generally assumed to have irregular patterns. After the introduction of the methods, a detailed quantitative and qualitative comparison of the methods with one another as well as the state-of-the-art solutions in the literature based on the segmentation results on the images of the two publicly available datasets, DRIVE and STARE, is reported. The results demonstrate that the methods are highly comparable with other solutions.
• Abstract（参考訳）: 血管構造は、医師がその特徴を分析して多くの疾患を検出できる網膜の最も重要な部分の1つである。 網膜画像における血管の局在は、医療画像解析において重要なプロセスである。 この過程は、明るい病変と暗い病変の存在によっても困難である。 本論文では、健康および不健康(病理)網膜画像の両方を扱う2つの自動血管局在法を解析した。 各方法は2つの主要なステップで構成され、2番目のステップは2つのメソッドで同じである。 最初のステップでは、明るい病変の影響を減らすためにアルゴリズムが使用される。 方法1では、このアルゴリズムはk平均セグメンテーションに基づいており、方法2では正規化手順に基づいている。 どちらの方法も第2段階では、ライン状血管構造の局所化や、一般的に不規則なパターンと推定される暗黒病変の無視に多スケールのラインオペレータが用いられる。 提案手法の導入後,公に入手可能な2つのデータセット,drive と stare のイメージに対するセグメンテーション結果に基づいて,各手法の定量的・質的比較および文献の最先端ソリューションについて報告する。 その結果,本手法は他の手法と非常によく比較できることがわかった。

関連論文リスト

• Spatiotemporal Disentanglement of Arteriovenous Malformations in Digital Subtraction Angiography [37.44819725897024]
  本提案手法は, 船舶の自動分類による臨界情報を強調することにより, デジタルサブトラクション血管造影(DSA)画像シリーズを向上することを目的としている。 本法は, 臨床用DSA画像シリーズを用いて検討し, 動脈と静脈の効率的な鑑別を実証した。
  論文  参考訳（メタデータ） (2024-02-15T00:29:53Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• A comparative evaluation of image-to-image translation methods for stain transfer in histopathology [0.0]
  画像から画像への変換(I2I)法では、オリジナル画像の内容を共有するが、異なるスタイルの人工画像を生成することができる。 I2I法は、異なるタイプの染色からシリカ染色組織の人工像を生成するためにも用いられた。 GANに基づく画像処理法では,12の染色転移法を比較し,その内3つの手法が従来手法と9つの手法に基づいている。
  論文  参考訳（メタデータ） (2023-03-29T20:27:49Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images [6.027522272446452]
  網膜血管の研究は多くの疾患のスクリーニングと診断の基本的な段階である。 眼底画像からの網膜A/Vの同時分画と分類のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-09-20T09:54:01Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Parametric Scaling of Preprocessing assisted U-net Architecture for Improvised Retinal Vessel Segmentation [1.3869502085838448]
  本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。 ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
  論文  参考訳（メタデータ） (2022-03-18T15:26:05Z)
• Multiple Sclerosis Lesions Segmentation using Attention-Based CNNs in FLAIR Images [0.2578242050187029]
  多発性硬化症(Multiple Sclerosis、MS)は、中枢神経系の病変を引き起こす自己免疫性脱髄性疾患である。 今のところ、病変の分断には多要素自動バイオメディカルアプローチが多用されている。 著者らは1つのモダリティ(FLAIR画像)を用いてMS病変を正確に分類する方法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T21:37:43Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。