Fugu-MT 論文翻訳(概要): Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging

論文の概要: Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging

arxiv url: http://arxiv.org/abs/2403.05702v1
Date: Fri, 8 Mar 2024 22:25:15 GMT
ステータス: 処理完了
システム内更新日: 2024-03-13 12:54:10.067915
Title: Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging
Title（参考訳）: 3D OCTによる緑内障診断のための空間認識トランスフォーマーGRUフレームワーク
Authors: Mona Ashtari-Majlan, Mohammad Mahdi Dehshibi, David Masip
Abstract要約: 本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。大規模データセットに対する実験結果から,提案手法の最先端手法よりも優れた性能を示した。
参考スコア（独自算出の注目度）: 1.8416014644193066
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Glaucoma, a leading cause of irreversible blindness, necessitates early detection for accurate and timely intervention to prevent irreversible vision loss. In this study, we present a novel deep learning framework that leverages the diagnostic value of 3D Optical Coherence Tomography (OCT) imaging for automated glaucoma detection. In this framework, we integrate a pre-trained Vision Transformer on retinal data for rich slice-wise feature extraction and a bidirectional Gated Recurrent Unit for capturing inter-slice spatial dependencies. This dual-component approach enables comprehensive analysis of local nuances and global structural integrity, crucial for accurate glaucoma diagnosis. Experimental results on a large dataset demonstrate the superior performance of the proposed method over state-of-the-art ones, achieving an F1-score of 93.58%, Matthews Correlation Coefficient (MCC) of 73.54%, and AUC of 95.24%. The framework's ability to leverage the valuable information in 3D OCT data holds significant potential for enhancing clinical decision support systems and improving patient outcomes in glaucoma management.
Abstract（参考訳）: 緑内障は可逆性失明の主要な原因であり、視力喪失を防ぐために、正確でタイムリーな介入を早期に検出する必要がある。本研究では,3次元光コヒーレンス断層撮影(oct)の診断的価値を活用し,緑内障自動検出のための新しい深層学習フレームワークを提案する。本フレームワークでは,リッチスライスワイズ機能抽出のための網膜データに事前学習したビジョン変換器と,スライス間空間依存性をキャプチャする双方向Gated Recurrent Unitを統合する。このデュアルコンポーネントアプローチは、正確な緑内障診断に不可欠な、局所的ニュアンスとグローバルな構造的完全性の包括的な分析を可能にする。大規模データセットにおける実験結果から,提案手法が最先端手法よりも優れた性能を示し,F1スコア93.58%,マシューズ相関係数73.54%,AUC95.24%を達成した。 3D OCTデータで貴重な情報を活用できるフレームワークの能力は、臨床意思決定支援システムの強化と緑内障管理における患者結果の改善に重要な可能性を秘めている。

関連論文リスト

Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文参考訳（メタデータ） (2024-04-15T02:41:55Z)
Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
論文参考訳（メタデータ） (2023-08-06T03:28:08Z)
Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文参考訳（メタデータ） (2023-07-10T09:49:30Z)
nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and Generalisation over Variations of Data Sources [25.095695898777656]
我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2023-02-25T23:47:23Z)
Feature Representation Learning for Robust Retinal Disease Detection from Optical Coherence Tomography Images [0.0]
眼科画像は、異なる網膜変性疾患を区別する自動化技術で失敗する、同一の外観の病理を含んでいる可能性がある。本研究では,3つの学習ヘッドを持つ堅牢な疾患検出アーキテクチャを提案する。 2つのOCTデータセットによる実験結果から,提案モデルが既存の最先端モデルよりも精度,解釈可能性,堅牢性に優れ,網膜外網膜疾患の検出に有用であることが示唆された。
論文参考訳（メタデータ） (2022-06-24T07:59:36Z)
Geometric Deep Learning to Identify the Critical 3D Structural Features of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文参考訳（メタデータ） (2022-04-14T12:52:10Z)
Deep Learning based Framework for Automatic Diagnosis of Glaucoma based on analysis of Focal Notching in the Optic Nerve Head [0.2580765958706854]
デジタルファンドイメージ(DFI)から光ディスク(OD)とオプティカルカップ(OC)領域の自動セグメンテーションのための深層学習パイプラインを提案する。本手法は、緑内障解析におけるコンピュータ支援デザイン(CAD)システムの精度を高めるために、ニューロ網膜リムの焦点ノッチ解析とカップ・ツー・ディスク比の値を分類パラメータとして利用した。提案したパイプラインは、DFIから緑内障を検出するための93.33%の精度で、無料で利用可能なDRISHTI-GSデータセットで評価された。
論文参考訳（メタデータ） (2021-12-10T18:58:40Z)
The Three-Dimensional Structural Configuration of the Central Retinal Vessel Trunk and Branches as a Glaucoma Biomarker [41.97805846007449]
我々は、光学的コヒーレンス断層撮影量(ONH)のBスキャンからCRVT&Bを自動的に分離する深層学習ネットワークを訓練した。 3Dと2Dの診断ネットワークは緑内障と非緑内障患者をそれぞれ82.7%と83.3%と区別することができた。
論文参考訳（メタデータ） (2021-11-07T04:41:49Z)
Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文参考訳（メタデータ） (2021-10-04T16:06:49Z)
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)
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)

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。