論文の概要: Robust semi-automatic vessel tracing in the human retinal image by an
instance segmentation neural network
- arxiv url: http://arxiv.org/abs/2402.10055v1
- Date: Thu, 15 Feb 2024 16:25:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 15:00:34.684702
- Title: Robust semi-automatic vessel tracing in the human retinal image by an
instance segmentation neural network
- Title（参考訳）: インスタンスセグメンテーションニューラルネットワークによるヒト網膜画像におけるロバストな半自動血管追跡
- Authors: Siyi Chen, Amir H. Kashani, Ji Yi
- Abstract要約: ケースセグメンテーションニューラルネットワーク(InSegNN)による人間の眼底画像に対する頑健な半自動血管追跡アルゴリズムの新たなアプローチを提案する。
InSegNNは、異なる血管樹を個別に分離し、ラベル付けすることで、枝分かれ全体を通して各木をトレースすることができる。
底面画像から個々の血管木を抽出し,同時に血管階層情報を保持することを実証した。
- 参考スコア（独自算出の注目度）: 1.324564545341267
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The morphology and hierarchy of the vascular systems are essential for
perfusion in supporting metabolism. In human retina, one of the most
energy-demanding organs, retinal circulation nourishes the entire inner retina
by an intricate vasculature emerging and remerging at the optic nerve head
(ONH). Thus, tracing the vascular branching from ONH through the vascular tree
can illustrate vascular hierarchy and allow detailed morphological
quantification, and yet remains a challenging task. Here, we presented a novel
approach for a robust semi-automatic vessel tracing algorithm on human fundus
images by an instance segmentation neural network (InSegNN). Distinct from
semantic segmentation, InSegNN separates and labels different vascular trees
individually and therefore enable tracing each tree throughout its branching.
We have built-in three strategies to improve robustness and accuracy with
temporal learning, spatial multi-sampling, and dynamic probability map. We
achieved 83% specificity, and 50% improvement in Symmetric Best Dice (SBD)
compared to literature, and outperformed baseline U-net. We have demonstrated
tracing individual vessel trees from fundus images, and simultaneously retain
the vessel hierarchy information. InSegNN paves a way for any subsequent
morphological analysis of vascular morphology in relation to retinal diseases.
- Abstract（参考訳）: 血管系の形態と階層は、代謝を支える灌流に必須である。
最もエネルギーを消費する臓器の一つであるヒト網膜では、網膜循環は、眼神経頭部(onh)に出現し、再結合する複雑な血管によって内網膜全体を栄養する。
したがって、ONHから血管樹への血管枝の追跡は、血管階層を示し、詳細な形態学的定量化を可能にするが、それでも困難な課題である。
本稿では,実例分割ニューラルネットワーク(InSegNN)を用いて,人間の眼底画像に頑健な半自動血管追跡アルゴリズムを提案する。
セマンティックセグメンテーションとは別として、insegnnは個別に異なる維管束木を分離しラベル付けするので、各木の分岐を追跡することができる。
我々は,時間学習,空間多重サンプリング,動的確率マップを用いて,頑健さと精度を向上させる3つの戦略を構築した。
文献と比較すると83%の特異性を示し,SBD(Symmetric Best Dice)が50%改善し,ベースラインU-netが50%向上した。
底面画像から個々の血管木を抽出し,同時に血管階層情報を保持することを実証した。
InSegNNは、網膜疾患に関連する血管形態のその後の形態学的解析の道を開く。
関連論文リスト
- Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario [0.8749675983608172]
このモデルは、脳動脈瘤を効率的に検出するために、3D畳み込みニューラルネットワークが使用できる脳動脈のデータセットを提供することを目的としている。
本研究では, 人工血管モデルを網羅的に記述し, 動脈瘤の分節と検出のために設計されたニューラルネットワークを構築し, 合成モデルデータの拡張により得られた性能ギャップの詳細な評価を行う。
論文 参考訳（メタデータ） (2024-11-04T18:08:24Z) - A vascular synthetic model for improved aneurysm segmentation and detection via Deep Neural Networks [0.8749675983608172]
私たちの目標は、3D畳み込みニューラルネットワーク(CNN)で使用できる脳動脈のデータセットを提供することでした。
本モデルは,動脈形状,ICA形状,背景雑音を同時に再現するように設計されている。
論文 参考訳（メタデータ） (2024-03-27T16:22:45Z) - Addressing caveats of neural persistence with deep graph persistence [54.424983583720675]
神経の持続性に影響を与える主な要因は,ネットワークの重みのばらつきと大きな重みの空間集中である。
単一層ではなく,ニューラルネットワーク全体へのニューラルネットワークの持続性に基づくフィルタリングの拡張を提案する。
これにより、ネットワーク内の永続的なパスを暗黙的に取り込み、分散に関連する問題を緩和するディープグラフの永続性測定が得られます。
論文 参考訳（メタデータ） (2023-07-20T13:34:11Z) - Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。
合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
論文 参考訳（メタデータ） (2023-07-01T06:13:10Z) - 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) - 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) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳（メタデータ） (2020-12-14T05:22:49Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - 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) - clDice -- A Novel Topology-Preserving Loss Function for Tubular
Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。
理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。
我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文 参考訳（メタデータ） (2020-03-16T16:27:49Z)
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。