論文の概要: Quantitative Characterization of Retinal Features in Translated OCTA
- arxiv url: http://arxiv.org/abs/2404.16133v1
- Date: Wed, 24 Apr 2024 18:40:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 18:02:25.919268
- Title: Quantitative Characterization of Retinal Features in Translated OCTA
- Title（参考訳）: 翻訳OCTAにおける網膜の特徴の定量的解析
- Authors: Rashadul Hasan Badhon, Atalie Carina Thompson, Jennifer I. Lim, Theodore Leng, Minhaj Nur Alam,
- Abstract要約: 本研究では、生成機械学習(ML)を用いてOCT画像からOCTA画像への変換の可能性を検討する。
- 参考スコア（独自算出の注目度）: 0.6664270117164767
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Purpose: This study explores the feasibility of using generative machine learning (ML) to translate Optical Coherence Tomography (OCT) images into Optical Coherence Tomography Angiography (OCTA) images, potentially bypassing the need for specialized OCTA hardware. Methods: The method involved implementing a generative adversarial network framework that includes a 2D vascular segmentation model and a 2D OCTA image translation model. The study utilizes a public dataset of 500 patients, divided into subsets based on resolution and disease status, to validate the quality of TR-OCTA images. The validation employs several quality and quantitative metrics to compare the translated images with ground truth OCTAs (GT-OCTA). We then quantitatively characterize vascular features generated in TR-OCTAs with GT-OCTAs to assess the feasibility of using TR-OCTA for objective disease diagnosis. Result: TR-OCTAs showed high image quality in both 3 and 6 mm datasets (high-resolution, moderate structural similarity and contrast quality compared to GT-OCTAs). There were slight discrepancies in vascular metrics, especially in diseased patients. Blood vessel features like tortuosity and vessel perimeter index showed a better trend compared to density features which are affected by local vascular distortions. Conclusion: This study presents a promising solution to the limitations of OCTA adoption in clinical practice by using vascular features from TR-OCTA for disease detection. Translation relevance: This study has the potential to significantly enhance the diagnostic process for retinal diseases by making detailed vascular imaging more widely available and reducing dependency on costly OCTA equipment.
- Abstract（参考訳）: 目的: 本研究は, 生成機械学習(ML)を用いて光コヒーレンス・トモグラフィー(OCT)画像から光コヒーレンス・トモグラフィー(OCTA)画像へ変換し, 特殊なOCTAハードウェアの必要性を回避できる可能性を検討した。
方法: 2次元血管分割モデルと2次元OCTA画像翻訳モデルを含む生成対向ネットワークフレームワークの実装を含む方法。
この研究は、TR-OCTA画像の品質を評価するために、解像度と疾患ステータスに基づいてサブセットに分割された500人の公開データセットを利用している。
この検証は、翻訳された画像とグラウンド・真理OCTA(GT-OCTA)を比較するために、いくつかの品質と定量的な指標を用いる。
そして,GT-OCTAを用いたTR-OCTAの血管特性を定量的に解析し,TR-OCTAを用いた客観的疾患診断の可能性について検討した。
結果: TR-OCTAは3mmデータセットと6mmデータセットの両方で高画質(GT-OCTAと比較して高分解能,中等度構造類似度,コントラスト品質)を示した。
特に疾患患者では, 血管計測値に若干の差があった。
血管形態は局所的な血管歪みの影響を受けやすいが, 血管周囲の血管形態は, 局所的な血管歪みの影響を受けやすい傾向を示した。
結論:本研究は, TR-OCTAの血管的特徴を疾患検出に利用することにより, 臨床実践におけるOCTA導入の限界に対する有望な解決策を示す。
翻訳関連性:本研究は、詳細な血管像をより広く利用し、コストの高いOCTA機器への依存を減らすことにより、網膜疾患の診断過程を著しく向上させる可能性がある。
関連論文リスト
- Cross Feature Fusion of Fundus Image and Generated Lesion Map for Referable Diabetic Retinopathy Classification [1.091626241764448]
糖尿病網膜症(DR)は視覚障害の主要な原因であり、早期発見と診断を必要とする。
本研究では,伝達学習と相互注意機構を利用した高度な相互学習DR分類法を開発した。
2つの公開データセットを利用して、我々の実験は94.6%の精度を示し、現在の最先端の手法を4.4%上回った。
論文 参考訳（メタデータ） (2024-11-06T02:23:38Z) - Enhancing Retinal Disease Classification from OCTA Images via Active Learning Techniques [0.8035416719640156]
高齢のアメリカ人では眼疾患が一般的であり、視力や視力の低下につながることがある。
光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)により、臨床医が網膜血管の高品質な画像を取得することができる画像技術の最近の進歩
OCTAは、一般的なOCT画像から得られる構造情報と比較して、詳細な血管画像を提供する。
論文 参考訳（メタデータ） (2024-07-21T23:24:49Z) - Synthesizing CTA Image Data for Type-B Aortic Dissection using Stable
Diffusion Models [0.993378200812519]
安定拡散(SD)は、ジェネレーティブAIの分野で近年注目を集めている。
心電図CTA画像は, テキスト・トゥ・イメージ(T2I)の安定拡散モデルを用いて, 正常に生成できることが示されている。
論文 参考訳（メタデータ） (2024-02-10T14:59:37Z) - Deep Learning for Vascular Segmentation and Applications in Phase
Contrast Tomography Imaging [33.23991248643144]
本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。
我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。
HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
論文 参考訳（メタデータ） (2023-11-22T11:15:38Z) - Deep-Learning-based Vasculature Extraction for Single-Scan Optical
Coherence Tomography Angiography [9.77526300425824]
我々は,OCTA画像を生成するために1回のOCTスキャンのみを用いる血管抽出パイプラインを提案する。
このパイプラインは、畳み込みプロジェクションを利用して画像パッチ間の空間的関係をよりよく学習する、提案されたVasculature extract Transformer (VET)に基づいている。
論文 参考訳（メタデータ） (2023-04-17T13:55:26Z) - 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) - 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) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - 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) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
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。