論文の概要: Fundus2Video: Cross-Modal Angiography Video Generation from Static Fundus Photography with Clinical Knowledge Guidance
- arxiv url: http://arxiv.org/abs/2408.15217v1
- Date: Tue, 27 Aug 2024 17:30:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 12:53:10.612724
- Title: Fundus2Video: Cross-Modal Angiography Video Generation from Static Fundus Photography with Clinical Knowledge Guidance
- Title（参考訳）: Fundus2Video: 臨床知識による静的ファンドス写真からのクロスモーダルな血管造影ビデオ生成
- Authors: Weiyi Zhang, Siyu Huang, Jiancheng Yang, Ruoyu Chen, Zongyuan Ge, Yingfeng Zheng, Danli Shi, Mingguang He,
- Abstract要約: Fundus Fluorescein Angiographyは網膜血管動態を評価し、眼疾患の診断を支援する重要なツールである。
現在のCFからFFAへの変換法は静的生成に限られている。
本稿では,スムーズでメモリ節約なフレーム・バイ・フレームFFA合成のための自己回帰型GANを提案する。
- 参考スコア（独自算出の注目度）: 22.92060034450964
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Fundus Fluorescein Angiography (FFA) is a critical tool for assessing retinal vascular dynamics and aiding in the diagnosis of eye diseases. However, its invasive nature and less accessibility compared to Color Fundus (CF) images pose significant challenges. Current CF to FFA translation methods are limited to static generation. In this work, we pioneer dynamic FFA video generation from static CF images. We introduce an autoregressive GAN for smooth, memory-saving frame-by-frame FFA synthesis. To enhance the focus on dynamic lesion changes in FFA regions, we design a knowledge mask based on clinical experience. Leveraging this mask, our approach integrates innovative knowledge mask-guided techniques, including knowledge-boosted attention, knowledge-aware discriminators, and mask-enhanced patchNCE loss, aimed at refining generation in critical areas and addressing the pixel misalignment challenge. Our method achieves the best FVD of 1503.21 and PSNR of 11.81 compared to other common video generation approaches. Human assessment by an ophthalmologist confirms its high generation quality. Notably, our knowledge mask surpasses supervised lesion segmentation masks, offering a promising non-invasive alternative to traditional FFA for research and clinical applications. The code is available at https://github.com/Michi-3000/Fundus2Video.
- Abstract（参考訳）: Fundus Fluorescein Angiography(FFA)は、網膜血管動態を評価し、眼疾患の診断を支援する重要なツールである。
しかし、Color Fundus (CF) 画像と比較すると、侵襲的な性質とアクセシビリティの低下が大きな課題となっている。
現在のCFからFFAへの変換法は静的生成に限られている。
本研究では,静的CF画像からの動的FFAビデオ生成の先駆者となる。
本稿では,スムーズでメモリ節約なフレーム・バイ・フレームFFA合成のための自己回帰型GANを提案する。
FFA領域の動的病変変化に焦点をあてるため,臨床経験に基づく知識マスクを設計する。
このマスクを応用して,本手法は,重要な領域の創出と画素誤認識問題への対処を目的とした,知識ブースト注意,知識認識識別器,マスク強調パッチNCE損失などの革新的な知識マスク誘導技術を統合した。
提案手法は、他の一般的なビデオ生成手法と比較して、1503.21のFVDと11.81のPSNRのFVDを達成する。
眼科医による人間の評価は、その高い世代品質を確認します。
特に,我々の知識マスクは,従来のFFAに代わる有望な非侵襲的な研究・臨床応用のマスクとして,監督された病変セグメンテーションマスクを超越している。
コードはhttps://github.com/Michi-3000/Fundus2Videoで入手できる。
関連論文リスト
- Non-Invasive to Invasive: Enhancing FFA Synthesis from CFP with a Benchmark Dataset and a Novel Network [11.668955853078703]
Fundus Fluorescein Angiography (FFA) は網膜血管動態と病理学の知見を提供する。
非侵襲的なカラーファンドス写真からFFA画像を合成することは有意義だが難しい。
これまでの研究は主に単一疾患カテゴリーにおけるFFA合成に焦点を当てていた。
論文 参考訳（メタデータ） (2024-10-19T03:53:25Z) - Fundus to Fluorescein Angiography Video Generation as a Retinal Generative Foundation Model [13.378309762602095]
本稿では,単一のCF画像から動的FFAビデオを生成するGANモデルであるFundus2Videoを紹介する。
FVDは1497.12、PSNRは11.77である。
これらの結果から,Fundus2VideoはFFA検査の強力な非侵襲的代替品であり,多彩な網膜生成基盤モデルであると考えられた。
論文 参考訳（メタデータ） (2024-10-17T05:53:13Z) - StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement [17.28459176559761]
UWF-FA (UWF fluorescein angiography) は、患者の手や肘に注入して蛍光染料を投与する必要がある。
注射による潜在的な副作用を軽減するため、研究者はクロスモダリティ医療画像生成アルゴリズムの開発を提案した。
本稿では,UWF-SLOからUWF-FAを合成する条件生成対向ネットワーク(UWAFA-GAN)を提案する。
論文 参考訳（メタデータ） (2024-05-01T14:27:43Z) - AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image
Segmentation [67.97926983664676]
自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。
しかし,このような手法を医用画像に直接適用することは依然として困難である。
適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-08T13:18:10Z) - 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) - A Survey on Masked Facial Detection Methods and Datasets for Fighting
Against COVID-19 [64.88701052813462]
新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。
この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。
本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
論文 参考訳（メタデータ） (2022-01-13T03:28:20Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Attention2AngioGAN: Synthesizing Fluorescein Angiography from Retinal
Fundus Images using Generative Adversarial Networks [0.0]
フルオレセイン血管造影(Fluorescein Angiography, FA)は、Fundusの写真撮影に、励起フィルターとバリアフィルターを取り入れた指定カメラを用いる技術である。
FAはまた、静脈注射されるフルオレセイン色素を必要としており、吐き気、吐き気、さらに致命的なアナフィラキシーに悪影響を及ぼす可能性がある。
本稿では,Fundus画像からFluorescein Angiographyを合成できるアテンションベースの生成ネットワークを提案する。
論文 参考訳（メタデータ） (2020-07-17T18:58:44Z) - 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。