論文の概要: SpecstatOR: Speckle statistics-based iOCT Segmentation Network for Ophthalmic Surgery

• arxiv url: http://arxiv.org/abs/2404.19481v1
• Date: Tue, 30 Apr 2024 11:49:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-01 14:25:13.219334
• Title: SpecstatOR: Speckle statistics-based iOCT Segmentation Network for Ophthalmic Surgery
• Title（参考訳）: Specstator: スペックル統計に基づく眼科手術用iOCTセグメンテーションネットワーク
• Authors: Kristina Mach, Hessam Roodaki, Michael Sommersperger, Nassir Navab,
• Abstract要約: 本研究では, スペックルパターンの統計的解析を用いて, 統計的病理学固有の事前知識を取り入れた。 以上の結果より,網膜内および網膜層と手術器具の間には,統計的に異なるスペックルパターンが認められた。 提案するセグメンテーションモデルは, 組織理解に基づく統計的知見の洗練を目的としている。
• 参考スコア（独自算出の注目度）: 39.66047935237083
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an innovative approach to intraoperative Optical Coherence Tomography (iOCT) image segmentation in ophthalmic surgery, leveraging statistical analysis of speckle patterns to incorporate statistical pathology-specific prior knowledge. Our findings indicate statistically different speckle patterns within the retina and between retinal layers and surgical tools, facilitating the segmentation of previously unseen data without the necessity for manual labeling. The research involves fitting various statistical distributions to iOCT data, enabling the differentiation of different ocular structures and surgical tools. The proposed segmentation model aims to refine the statistical findings based on prior tissue understanding to leverage statistical and biological knowledge. Incorporating statistical parameters, physical analysis of light-tissue interaction, and deep learning informed by biological structures enhance segmentation accuracy, offering potential benefits to real-time applications in ophthalmic surgical procedures. The study demonstrates the adaptability and precision of using Gamma distribution parameters and the derived binary maps as sole inputs for segmentation, notably enhancing the model's inference performance on unseen data.
• Abstract（参考訳）: 本稿では,眼科手術における術中オプティカルコヒーレンス・トモグラフィ(iOCT)画像セグメンテーションへの革新的アプローチを提案する。 以上の結果より,網膜内および網膜層および手術器具のスペックルパターンが統計的に異なっており,手動ラベリングを必要とせず,これまで見られなかったデータのセグメンテーションを容易にすることが示唆された。 この研究は、様々な統計分布をiOCTデータに当てはめ、異なる眼構造と手術器具の区別を可能にする。 提案したセグメンテーションモデルは, 組織理解に基づく統計的知見を洗練し, 統計的および生物学的知識を活用することを目的としている。 統計パラメーターの組み込み、光対相互作用の物理的解析、生物学的構造によって情報を得る深層学習はセグメンテーションの精度を高め、眼科手術におけるリアルタイムな応用に潜在的に有益である。 本研究は,ガンマ分布パラメータと導出したバイナリマップをセグメンテーションの唯一の入力として用いることの適応性と精度を実証する。

関連論文リスト

• Strategies to Improve Real-World Applicability of Laparoscopic Anatomy Segmentation Models [6.8726432208129555]
  本研究では,8つのセグメンテーション指標に対するクラス特性,トレーニング,テストデータ構成,およびモデルパラメータの影響を系統的に分析する。 本研究は, 外科的データ科学におけるデータバイアスを考慮に入れた2つの調整を支援する。
  論文  参考訳（メタデータ） (2024-03-25T21:08:26Z)
• Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
  我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。 提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。 その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワークよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-04-10T17:58:22Z)
• A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
  脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。 エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。 我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
  論文  参考訳（メタデータ） (2022-06-17T10:17:24Z)
• Automatic Segmentation of the Optic Nerve Head Region in Optical Coherence Tomography: A Methodological Review [4.777796444711511]
  視神経頭は、視神経(ONH)の眼内部分を表す。 光コヒーレンストモグラフィーの出現により、新しい視神経頭部パラメータの評価が可能となった。 ディープラーニングに基づくアルゴリズムは、ONHの異なる構造を分割する上で、最高の精度、感度、特異性を提供する。
  論文  参考訳（メタデータ） (2021-09-06T09:45:57Z)
• OCTAVA: an open-source toolbox for quantitative analysis of optical coherence tomography angiography images [0.2621533844622817]
  ユーザフレンドリーでオープンソースのツールボックスOCTAVAを報告し、OCTA最大強度投影画像の事前処理、セグメンテーション、定量的解析を自動化する。 市販・非商用機器およびサンプルのOCTA画像の定量的解析を行い、OCTAVAが微小血管のキャラクタリゼーションの指標を正確に再現可能であることを示す。
  論文  参考訳（メタデータ） (2021-09-04T10:11:42Z)
• Interpretable and synergistic deep learning for visual explanation and statistical estimations of segmentation of disease features from medical images [0.0]
  医学画像からの病因分類やセグメンテーションのための深層学習(DL)モデルは、無関係な自然界画像からの伝達学習(TL)を用いて、ますます訓練されている。 TL後バイナリセグメンテーションに広く用いられているDLアーキテクチャの比較,厳密な統計的解析,および比較について報告する。 TIIおよびLMIモデル、コード、10,000以上の医療画像の無料GitHubリポジトリと、この研究からのGrad-CAM出力は、高度な計算医学の出発点として利用できる。
  論文  参考訳（メタデータ） (2020-11-11T14:08:17Z)
• 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)
• Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
  我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。 解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
  論文  参考訳（メタデータ） (2020-09-07T03:51:35Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。