論文の概要: Enhancing Retinal Vessel Segmentation Generalization via Layout-Aware Generative Modelling

• arxiv url: http://arxiv.org/abs/2503.01190v1
• Date: Mon, 03 Mar 2025 05:31:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:18:34.125345
• Title: Enhancing Retinal Vessel Segmentation Generalization via Layout-Aware Generative Modelling
• Title（参考訳）: Layout-Aware Generative Modeling による網膜血管分別一般化の促進
• Authors: Jonathan Fhima, Jan Van Eijgen, Lennert Beeckmans, Thomas Jacobs, Moti Freiman, Luis Filipe Nakayama, Ingeborg Stalmans, Chaim Baskin, Joachim A. Behar,
• Abstract要約: 医用セグメンテーションモデルの一般化は、限られた注釈付きデータセットと画像の可変性のために困難である。 RLAD(Retinal Layout-Aware Diffusion)は,制御可能なレイアウト認識画像を生成するための新しい拡散ベースのフレームワークである。
• 参考スコア（独自算出の注目度）: 5.7920488576973606
• License:
• Abstract: Generalization in medical segmentation models is challenging due to limited annotated datasets and imaging variability. To address this, we propose Retinal Layout-Aware Diffusion (RLAD), a novel diffusion-based framework for generating controllable layout-aware images. RLAD conditions image generation on multiple key layout components extracted from real images, ensuring high structural fidelity while enabling diversity in other components. Applied to retinal fundus imaging, we augmented the training datasets by synthesizing paired retinal images and vessel segmentations conditioned on extracted blood vessels from real images, while varying other layout components such as lesions and the optic disc. Experiments demonstrated that RLAD-generated data improved generalization in retinal vessel segmentation by up to 8.1%. Furthermore, we present REYIA, a comprehensive dataset comprising 586 manually segmented retinal images. To foster reproducibility and drive innovation, both our code and dataset will be made publicly accessible.
• Abstract（参考訳）: 医用セグメンテーションモデルの一般化は、限られた注釈付きデータセットと画像の可変性のために困難である。 そこで我々は,レイアウト認識画像を生成するための新しい拡散ベースのフレームワークであるRetinal Layout-Aware Diffusion (RLAD)を提案する。 RLAD条件は、実画像から抽出した複数のキーレイアウトコンポーネント上で画像を生成し、他のコンポーネントの多様性を確保しつつ高い構造的忠実性を確保する。 網膜底画像検査に応用し、実際の画像から抽出した血管に条件付された網膜画像と血管の分画を合成し、病変や視神経円板などの他のレイアウト成分を変化させることで、トレーニングデータセットを増強した。 RLADによって生成されたデータは、網膜血管セグメンテーションの一般化を最大8.1%向上させることを示した。 さらに、586個の手動網膜画像からなる総合データセットREYIAを提案する。 再現性を高め、イノベーションを促進するために、コードとデータセットの両方を公開して公開します。

関連論文リスト

• DGSSA: Domain generalization with structural and stylistic augmentation for retinal vessel segmentation [17.396365010722423]
  網膜血管形態は糖尿病、緑内障、高血圧などの疾患の診断に重要である。 従来のセグメンテーション手法は、トレーニングとテストのデータが同様の分布を共有していると仮定する。 本稿では,網膜血管画像分割のための新しいアプローチ DGSSA を提案する。
  論文  参考訳（メタデータ） (2025-01-07T01:47:57Z)
• MRGen: Diffusion-based Controllable Data Engine for MRI Segmentation towards Unannotated Modalities [59.61465292965639]
  本稿では,医療応用における生成モデルを活用するための新しいパラダイムについて検討する。 本稿では,テキストプロンプトとマスクに条件付き生成を可能にするMRGenという拡散型データエンジンを提案する。
  論文  参考訳（メタデータ） (2024-12-04T16:34:22Z)
• 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)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• ALFA -- Leveraging All Levels of Feature Abstraction for Enhancing the Generalization of Histopathology Image Classification Across Unseen Hospitals [2.8443044931144845]
  本研究では, 画像分類の一般化性の向上を目標とし, 機能抽象化のレベルをすべて活用する包括的手法を提案する。 本手法では, テキストタスクとして機能する病理組織学シナリオにおいて, 共通の分布変化を伴う拡張ベースの自己スーパービジョンを取り入れた。
  論文  参考訳（メタデータ） (2023-08-07T22:39:44Z)
• Generation of Structurally Realistic Retinal Fundus Images with Diffusion Models [1.9346186297861747]
  血管構造を創出するために動脈・静脈マスクを作製し,網膜底部像を作製する条件を定めている。 提案手法はよりリアルな血管構造を持つ高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2023-05-11T14:09:05Z)
• This Intestine Does Not Exist: Multiscale Residual Variational Autoencoder for Realistic Wireless Capsule Endoscopy Image Generation [7.430724826764835]
  新規な変分オートエンコーダアーキテクチャ,すなわち "This Intestine Don Not Exist" (TIDE) を提案する。 提案アーキテクチャは,マルチスケールな特徴抽出畳み込みブロックと残差接続を備え,高品質で多様なデータセットの生成を可能にする。 利用可能なデータセットの増大を指向した現在のアプローチとは対照的に,本研究では,TIDEを用いて実際のWCEデータセットを完全に置換できることを実証する。
  論文  参考訳（メタデータ） (2023-02-04T11:49:38Z)
• Retinal Image Restoration and Vessel Segmentation using Modified Cycle-CBAM and CBAM-UNet [0.7868449549351486]
  畳み込みブロックアテンションモジュール(CBAM)を備えたサイクル一貫性生成対向ネットワーク(CycleGAN)を網膜画像復元に使用する。 修正されたUNetは、回復した網膜画像の網膜血管セグメンテーションに使用される。 提案手法は, アウト・オブ・フォーカスのぼかし, 色歪み, 低, 高, 不均一照明による劣化効果を著しく低減することができる。
  論文  参考訳（メタデータ） (2022-09-09T10:47:20Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• DoFE: Domain-oriented Feature Embedding for Generalizable Fundus Image Segmentation on Unseen Datasets [96.92018649136217]
  対象ドメインに対するCNNの一般化能力を向上させるために,新しいドメイン指向特徴埋め込み(DoFE)フレームワークを提案する。 私たちのDoFEフレームワークは、マルチソースドメインから学んだ追加のドメイン事前知識で、画像機能を動的に強化します。 本フレームワークは、未確認データセットのセグメンテーション結果を満足して生成し、他の領域の一般化やネットワークの正規化手法を超越する。
  論文  参考訳（メタデータ） (2020-10-13T07:28:39Z)
• 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。