論文の概要: Formula-Driven Data Augmentation and Partial Retinal Layer Copying for Retinal Layer Segmentation
- arxiv url: http://arxiv.org/abs/2410.01185v1
- Date: Wed, 2 Oct 2024 02:37:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 22:50:44.169461
- Title: Formula-Driven Data Augmentation and Partial Retinal Layer Copying for Retinal Layer Segmentation
- Title(参考訳): 網膜層分割のためのフォーミュラ駆動データ拡張と部分網膜層コピー
- Authors: Tsubasa Konno, Takahiro Ninomiya, Kanta Miura, Koichi Ito, Noriko Himori, Parmanand Sharma, Toru Nakazawa, Takafumi Aoki,
- Abstract要約: OCT画像のための新しいデータ拡張手法を提案する。
フォーミュラ駆動データ拡張は様々な網膜構造をエミュレートする。
PRLCは網膜層の一部をコピーし、網膜層の外の領域に貼り付ける。
- 参考スコア(独自算出の注目度): 5.127202044502064
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Major retinal layer segmentation methods from OCT images assume that the retina is flattened in advance, and thus cannot always deal with retinas that have changes in retinal structure due to ophthalmopathy and/or curvature due to myopia. To eliminate the use of flattening in retinal layer segmentation for practicality of such methods, we propose novel data augmentation methods for OCT images. Formula-driven data augmentation (FDDA) emulates a variety of retinal structures by vertically shifting each column of the OCT images according to a given mathematical formula. We also propose partial retinal layer copying (PRLC) that copies a part of the retinal layers and pastes it into a region outside the retinal layers. Through experiments using the OCT MS and Healthy Control dataset and the Duke Cyst DME dataset, we demonstrate that the use of FDDA and PRLC makes it possible to detect the boundaries of retinal layers without flattening even retinal layer segmentation methods that assume flattening of the retina.
- Abstract(参考訳): OCT画像からの主要な網膜層分割法は、網膜が事前に平坦化されていると仮定し、眼筋症および/または近視による曲率による網膜構造の変化を常に扱うことはできない。
このような手法を実用化するために,網膜層分割における平坦化を不要にするため,OCT画像の新たなデータ拡張手法を提案する。
フォーミュラ駆動データ拡張(FDDA)は、与えられた数学的公式に従ってOCT画像の各列を垂直にシフトすることで、様々な網膜構造をエミュレートする。
また、網膜層の一部をコピーし、網膜層の外側の領域に貼り付ける部分網膜層コピー(PRLC)を提案する。
OCT MSとHealthy ControlデータセットとDuke Cyst DMEデータセットを用いた実験により、FDDAとPRLCを使用することで、網膜の平坦化を前提とした網膜層セグメンテーション方法さえもフラット化せずに網膜層の境界を検出することができることを示した。
関連論文リスト
- Progressive Retinal Image Registration via Global and Local Deformable Transformations [49.032894312826244]
我々はHybridRetinaと呼ばれるハイブリッド登録フレームワークを提案する。
キーポイント検出器とGAMorphと呼ばれる変形ネットワークを用いて、大域的な変換と局所的な変形可能な変換を推定する。
FIREとFLoRI21という2つの広く使われているデータセットの実験により、提案したHybridRetina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) (2024-09-02T08:43:50Z) - OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods [34.13887472397715]
本研究は,2000枚以上の OCT 画像からなるオープンアクセス型 OCT データセット (OCTDL) を提案する。
このデータセットは、加齢関連黄斑変性症(AMD)、糖尿病黄斑浮腫(DME)、網膜膜(ERM)、網膜動脈閉塞症(RAO)、網膜静脈閉塞症(RVO)、およびVID(Vitreomacular Interface Disease)患者のOCT記録からなる。
論文 参考訳(メタデータ) (2023-12-13T16:18:40Z) - EyeLS: Shadow-Guided Instrument Landing System for Intraocular Target
Approaching in Robotic Eye Surgery [51.05595735405451]
ロボット眼科手術(Robotic Ophthalmic surgery)は、網膜下注入における網膜侵入や網膜剥離における浮動組織の除去など、高精度な介入を促進する新しい技術である。
現在の画像に基づく手法では、針先端の軌跡を網膜と浮動標的の両方に向けて効果的に推定することはできない。
本研究では,ターゲットの影位置と楽器先端を用いて相対的な深度位置を推定する。
手術シミュレータでは, 平均深度0.0127mm, 平均深度0.3473mm, 平均深度0.0127mm, 平均深度0.3473mmを目標とした。
論文 参考訳(メタデータ) (2023-11-15T09:11:37Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - Segmentation-guided Domain Adaptation and Data Harmonization of
Multi-device Retinal Optical Coherence Tomography using Cycle-Consistent
Generative Adversarial Networks [2.968191199408213]
本稿では,複数のデバイスからの画像を単一画像領域に適応させるセグメント化誘導型領域適応手法を提案する。
来るべき新しいデータセットに対する手動ラベリングの時間消費と、既存のネットワークの再トレーニングを回避する。
論文 参考訳(メタデータ) (2022-08-31T05:06:00Z) - SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors [4.2663199451998475]
網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。
特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。
並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
論文 参考訳(メタデータ) (2022-07-01T14:30:59Z) - Differentiable Projection from Optical Coherence Tomography B-Scan
without Retinal Layer Segmentation Supervision [39.63983686726568]
光コヒーレンストモグラフィー(OCT)Bスキャンからのプロジェクションマップ(PM)は網膜疾患を診断するための重要なツールである。
BスキャンからPMを予測するための新しいエンドツーエンドフレームワークを提案する。
網膜層間の一様にサンプリングされた座標にピクセルを配置することで, 対応するPMをプールすることで容易に得ることができた。
論文 参考訳(メタデータ) (2022-06-11T08:57:54Z) - Automated segmentation and extraction of posterior eye segment using OCT
scans [8.60968116787044]
本稿では,人間の眼の後部セグメントの自動抽出法を提案する。
提案手法は1000 OCTスキャンで評価され, 平均結合点(IoU)とDice類似度係数(DSC)のスコア(0.874, 0.930)が得られた。
論文 参考訳(メタデータ) (2021-09-21T07:03:23Z) - 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) - 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) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳(メタデータ) (2020-02-25T14:48:17Z)
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。