論文の概要: DISCOVER: 2-D Multiview Summarization of Optical Coherence Tomography
Angiography for Automatic Diabetic Retinopathy Diagnosis
- arxiv url: http://arxiv.org/abs/2401.05137v1
- Date: Wed, 10 Jan 2024 13:06:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 14:44:53.097142
- Title: DISCOVER: 2-D Multiview Summarization of Optical Coherence Tomography
Angiography for Automatic Diabetic Retinopathy Diagnosis
- Title（参考訳）: 糖尿病網膜症自動診断のための光学コヒーレンス断層撮影の2次元多視点解析
- Authors: Mostafa El Habib Daho, Yihao Li, Rachid Zeghlache, Hugo Le Boit\'e,
Pierre Deman, Laurent Borderie, Hugang Ren, Niranchana Mannivanan, Capucine
Lepicard, B\'eatrice Cochener, Aude Couturier, Ramin Tadayoni, Pierre-Henri
Conze, Mathieu Lamard, Gwenol\'e Quellec
- Abstract要約: 糖尿病網膜症(英: Diabetic Retinopathy、DR)は、糖尿病の眼合併症である。
伝統的に、DRはカラーファンドス・フォトグラフィー(CFP)を用いて監視される。
本稿では3次元OCTAを用いた自動DR評価について検討する。
- 参考スコア（独自算出の注目度）: 1.6788804044046786
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Diabetic Retinopathy (DR), an ocular complication of diabetes, is a leading
cause of blindness worldwide. Traditionally, DR is monitored using Color Fundus
Photography (CFP), a widespread 2-D imaging modality. However, DR
classifications based on CFP have poor predictive power, resulting in
suboptimal DR management. Optical Coherence Tomography Angiography (OCTA) is a
recent 3-D imaging modality offering enhanced structural and functional
information (blood flow) with a wider field of view. This paper investigates
automatic DR severity assessment using 3-D OCTA. A straightforward solution to
this task is a 3-D neural network classifier. However, 3-D architectures have
numerous parameters and typically require many training samples. A lighter
solution consists in using 2-D neural network classifiers processing 2-D
en-face (or frontal) projections and/or 2-D cross-sectional slices. Such an
approach mimics the way ophthalmologists analyze OCTA acquisitions: 1) en-face
flow maps are often used to detect avascular zones and neovascularization, and
2) cross-sectional slices are commonly analyzed to detect macular edemas, for
instance. However, arbitrary data reduction or selection might result in
information loss. Two complementary strategies are thus proposed to optimally
summarize OCTA volumes with 2-D images: 1) a parametric en-face projection
optimized through deep learning and 2) a cross-sectional slice selection
process controlled through gradient-based attribution. The full summarization
and DR classification pipeline is trained from end to end. The automatic 2-D
summary can be displayed in a viewer or printed in a report to support the
decision. We show that the proposed 2-D summarization and classification
pipeline outperforms direct 3-D classification with the advantage of improved
interpretability.
- Abstract（参考訳）: 糖尿病網膜症(英: Diabetic Retinopathy、DR)は、糖尿病の眼合併症である。
伝統的に、DRはカラーファンドス撮影(CFP)を用いて監視される。
しかし、CFPに基づくDR分類は予測力に乏しく、最適以下のDR管理をもたらす。
オプティカルコヒーレンス・トモグラフィー(OCTA)は、より広い視野で構造的および機能的な情報(血液の流れ)を提供する最近の3次元画像モダリティである。
本稿では3次元OCTAを用いたDR重度自動評価について検討する。
このタスクの簡単な解決策は、3Dニューラルネットワーク分類器である。
しかし、3Dアーキテクチャは多数のパラメータを持ち、通常多くのトレーニングサンプルを必要とする。
より軽量なソリューションは、2次元のニューラルネットワーク分類器を使用して、2次元の面(あるいは前面)投影と2次元の断面スライスを処理する。
このようなアプローチは、眼科医がOCTAの取得を分析する方法を模倣します。
1)面内フローマップは、しばしば血管ゾーンや血管新生を検出するために使われ、
2) 横断スライスを一般的に分析し, 黄斑浮腫を検出する。
しかし、任意のデータ削減や選択は情報損失をもたらす可能性がある。
これにより、OCTAボリュームを2次元画像で最適に要約する2つの補完戦略が提案される。
1)深層学習により最適化されたパラメトリックな面投影
2)傾斜に基づく帰属によって制御される断面スライス選択過程。
完全な要約とDR分類パイプラインは、端から端までトレーニングされている。
自動2次元要約はビューアに表示したり、レポートに印刷して決定を支援することができる。
提案した2次元要約および分類パイプラインは,解釈可能性の向上による直接3次元分類よりも優れていることを示す。
関連論文リスト
- SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - 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) - End-to-end Deformable Attention Graph Neural Network for Single-view
Liver Mesh Reconstruction [2.285821277711784]
本稿では,肝臓の三角形形状をリアルタイムに生成する新しいエンド・ツー・エンドアテンショングラフニューラルネットワークモデルを提案する。
提案手法は平均誤差3.06+-0.7mm,チャンファー距離63.14+-27.28。
論文 参考訳（メタデータ） (2023-03-13T19:15:49Z) - Decomposing 3D Neuroimaging into 2+1D Processing for Schizophrenia
Recognition [25.80846093248797]
我々は2+1Dフレームワークで3Dデータを処理し、巨大なImageNetデータセット上に事前トレーニングされた強力な2D畳み込みニューラルネットワーク(CNN)ネットワークを利用して3Dニューロイメージング認識を実現することを提案する。
特に3次元磁気共鳴イメージング(MRI)の計測値は、隣接するボクセル位置に応じて2次元スライスに分解される。
グローバルプーリングは、アクティベーションパターンが機能マップ上にわずかに分散されているため、冗長な情報を除去するために適用される。
2次元CNNモデルにより処理されていない3次元の文脈情報を集約するために,チャネルワイドおよびスライスワイズ畳み込みを提案する。
論文 参考訳（メタデータ） (2022-11-21T15:22:59Z) - Dual Multi-scale Mean Teacher Network for Semi-supervised Infection
Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。
現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。
既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
論文 参考訳（メタデータ） (2022-11-10T13:11:21Z) - Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。
DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。
本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-04T11:31:15Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳（メタデータ） (2020-06-25T21:10:04Z) - DcardNet: Diabetic Retinopathy Classification at Multiple Levels Based
on Structural and Angiographic Optical Coherence Tomography [1.9262162668141078]
糖尿病網膜症(DR)分類の枠組みを満たすために,畳み込みニューラルネットワーク(CNN)に基づく手法を提案する。
DR分類のために、適応レートドロップアウト(DcardNet)を備えた高密度かつ連続的に接続されたニューラルネットワークを設計する。
国際臨床糖尿病網膜症尺度に基づいて3つの分類レベルを作成した。
論文 参考訳（メタデータ） (2020-06-09T19:44:10Z) - 2D Convolutional Neural Networks for 3D Digital Breast Tomosynthesis
Classification [20.245580301060418]
分類のための自動手法を開発する際の主な課題は、スライス数の可変処理とスライス・ツー・スライスの変更の維持である。
本稿では,両課題を同時に克服する,新しい2次元畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
提案手法は,スライス数にかかわらず全ボリュームで動作するため,特徴抽出に2次元CNNを事前学習することが可能である。
論文 参考訳（メタデータ） (2020-02-27T18:32:52Z)
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。