論文の概要: Versatile Cataract Fundus Image Restoration Model Utilizing Unpaired Cataract and High-quality Images
- arxiv url: http://arxiv.org/abs/2411.12278v1
- Date: Tue, 19 Nov 2024 06:57:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-20 13:35:57.664709
- Title: Versatile Cataract Fundus Image Restoration Model Utilizing Unpaired Cataract and High-quality Images
- Title（参考訳）: 非対流白内障画像と高品質画像を利用した白内障画像復元モデル
- Authors: Zheng Gong, Zhuo Deng, Weihao Gao, Wenda Zhou, Yuhang Yang, Hanqing Zhao, Zhiyuan Niu, Lei Shao, Wenbin Wei, Lan Ma,
- Abstract要約: 本稿では,カチンテルという新しい白内障画像復元手法を確立する。
白内障画像合成モデルであるCatintell-Synと、復元モデルであるCatintell-Resを含んでいる。
Catintell-Synは、完全に教師なしのデータを持つGANアーキテクチャを使用して、現実的なスタイルとテクスチャを持つペアの白内障のようなイメージを生成する。
Catintell-Resは、実際の白内障原像の品質を向上させることができる画像復元ネットワークである。
- 参考スコア（独自算出の注目度）: 16.340553839208035
- License:
- Abstract: Cataract is one of the most common blinding eye diseases and can be treated by surgery. However, because cataract patients may also suffer from other blinding eye diseases, ophthalmologists must diagnose them before surgery. The cloudy lens of cataract patients forms a hazy degeneration in the fundus images, making it challenging to observe the patient's fundus vessels, which brings difficulties to the diagnosis process. To address this issue, this paper establishes a new cataract image restoration method named Catintell. It contains a cataract image synthesizing model, Catintell-Syn, and a restoration model, Catintell-Res. Catintell-Syn uses GAN architecture with fully unsupervised data to generate paired cataract-like images with realistic style and texture rather than the conventional Gaussian degradation algorithm. Meanwhile, Catintell-Res is an image restoration network that can improve the quality of real cataract fundus images using the knowledge learned from synthetic cataract images. Extensive experiments show that Catintell-Res outperforms other cataract image restoration methods in PSNR with 39.03 and SSIM with 0.9476. Furthermore, the universal restoration ability that Catintell-Res gained from unpaired cataract images can process cataract images from various datasets. We hope the models can help ophthalmologists identify other blinding eye diseases of cataract patients and inspire more medical image restoration methods in the future.
- Abstract（参考訳）: 白内障は最も一般的な盲目眼疾患の1つであり、手術で治療することができる。
しかし、白内障患者は他の盲目の眼疾患にも悩まされるため、眼科医は手術前に診断しなければならない。
白内障患者の曇りレンズは、眼底画像にかすかな変性を形成し、患者の眼底血管の観察が困難になるため、診断プロセスに困難をもたらす。
そこで本研究では,カチンテルという新しい白内障画像復元法について述べる。
白内障画像合成モデルであるCatintell-Synと、復元モデルであるCatintell-Resを含んでいる。
Catintell-Syn は GAN アーキテクチャと完全に教師なしのデータを用いて、従来のガウス分解アルゴリズムではなく、現実的なスタイルとテクスチャでペアの白内障のような画像を生成する。
一方、Catintell-Resは、合成白内障画像から学んだ知識を用いて、実際の白内障の眼底画像の品質を向上させることができる画像復元ネットワークである。
大規模な実験により、カティンテル=レスはPSNRの39.03とSSIMの0.9476で他の白内障画像復元法より優れていることが示された。
さらに、カティンテル=レスが未確認の白内障画像から得た普遍的な復元能力は、様々なデータセットから白内障画像を処理することができる。
このモデルによって、眼科医が白内障患者の他の盲目の眼疾患を識別し、将来もっと医療的な画像修復法がもたらされることを願っている。
関連論文リスト
- Step-Calibrated Diffusion for Biomedical Optical Image Restoration [47.191704042917394]
再生ステップキャリブレーション拡散(Resorative Step-Calibrated Diffusion, RCD)は、画像修復法である。
RSCDは、画像復元問題を拡散ベース画像生成タスクの完了ステップとみなしている。
RSCDは、画像品質と知覚評価指標の両方において、他の広く使われている未使用画像復元方法よりも優れている。
論文 参考訳（メタデータ） (2024-03-20T15:38:53Z) - Generating Realistic Counterfactuals for Retinal Fundus and OCT Images
using Diffusion Models [36.81751569090276]
否定的推論は、意思決定の説明や代替案の定量化のために臨床現場でしばしば用いられる。
ここでは,網膜疾患分類タスクを訓練した逆向き頑健な分類器と併用した拡散モデルを用いることで,極めて現実的な対物生成が可能であることを実証する。
ユーザスタディにおいて、ドメインの専門家は、我々の手法を用いて生成された偽物は、以前の方法から生成された偽物よりもはるかに現実的であり、実際の画像と区別できないものさえ見出した。
論文 参考訳（メタデータ） (2023-11-20T09:28:04Z) - 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) - A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus
Images [0.0]
50歳以上の人の不可逆性失明の主な原因の1つは白内障治療の遅れである。
我々は,低コストな診断システムの構築を目的として,CNN-LSTMに基づくモデルアーキテクチャを開発した。
提案されたアーキテクチャは、最先端の97.53%の精度で以前のシステムより優れていた。
論文 参考訳（メタデータ） (2022-10-28T12:35:15Z) - Structure-consistent Restoration Network for Cataract Fundus Image
Enhancement [33.000927682799016]
眼底写真は、眼疾患の診断とモニタリングを行う診療所における定期的な検査である。
白内障患者の眼底画像は、常に曇りレンズによる品質劣化に悩まされる。
臨床診断の確実性を改善するため,底面画像の品質向上のための修復アルゴリズムが提案されている。
論文 参考訳（メタデータ） (2022-06-09T02:32:33Z) - An Annotation-free Restoration Network for Cataractous Fundus Images [33.05266438479094]
白内障眼底画像の可読性を改善するために復元アルゴリズムを開発した。
アノテーションの要件は、クリニックにおけるこれらのアルゴリズムの適用を制限する。
本稿では,無注釈で白内障の眼底画像(ArcNet)を復元するネットワークを提案する。
論文 参考訳（メタデータ） (2022-03-15T09:11:48Z) - Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial
Neural Networks [0.0]
ディープラーニングは、人間の介入をあまり必要とせずにデータからパターンを抽出する強力なツールである。
根底のイメージに存在するこれらのアーティファクトを自動的に修正する試みが試みられている。
残余ブロックからなるCycleGANベースのモデルを用いて,画像中のアーティファクトを削減する。
論文 参考訳（メタデータ） (2021-12-25T18:05:48Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳（メタデータ） (2021-10-06T08:10:28Z) - 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) - 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。