論文の概要: Dual-Modality Computational Ophthalmic Imaging with Deep Learning and Coaxial Optical Design

• arxiv url: http://arxiv.org/abs/2504.18549v1
• Date: Sun, 13 Apr 2025 05:35:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 01:46:36.915619
• Title: Dual-Modality Computational Ophthalmic Imaging with Deep Learning and Coaxial Optical Design
• Title（参考訳）: 深部学習と同軸光設計を併用したデュアルモーダル計算眼科画像
• Authors: Boyuan Peng, Jiaju Chen, Yiwei Zhang, Cuiyi Peng, Junyang Li, Jiaming Deng, Peiwu Qin,
• Abstract要約: 本研究は, 底面撮影と屈折誤差検出を統合プラットフォームに統合した, コンパクトでデュアルファンクションな光学デバイスを提案する。 提案されたフレームワークは、特にコミュニティの健康設定に適した、迅速でインテリジェントでスケーラブルな眼科検診のための有望なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 6.979642495062275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing burden of myopia and retinal diseases necessitates more accessible and efficient eye screening solutions. This study presents a compact, dual-function optical device that integrates fundus photography and refractive error detection into a unified platform. The system features a coaxial optical design using dichroic mirrors to separate wavelength-dependent imaging paths, enabling simultaneous alignment of fundus and refraction modules. A Dense-U-Net-based algorithm with customized loss functions is employed for accurate pupil segmentation, facilitating automated alignment and focusing. Experimental evaluations demonstrate the system's capability to achieve high-precision pupil localization (EDE = 2.8 px, mIoU = 0.931) and reliable refractive estimation with a mean absolute error below 5%. Despite limitations due to commercial lens components, the proposed framework offers a promising solution for rapid, intelligent, and scalable ophthalmic screening, particularly suitable for community health settings.
• Abstract（参考訳）: 近視と網膜疾患の増大は、よりアクセスしやすく効率的なアイスクリーニングソリューションを必要とする。 本研究は,底面撮影と屈折誤差検出を統合プラットフォームに統合した,コンパクトなデュアルファンクション光学デバイスを提案する。 このシステムは、二色鏡を用いた同軸光学設計により、波長依存性の撮像経路を分離し、基底モジュールと屈折モジュールの同時アライメントを可能にする。 カスタマイズされた損失関数を持つDense-U-Netベースのアルゴリズムは、正確な瞳孔のセグメンテーションに使われ、自動アライメントと焦点付けを容易にする。 実験により、精度の高い瞳孔局所化(EDE = 2.8 px, mIoU = 0.931)と、平均絶対誤差を5%以下で信頼性の高い屈折率推定を実現する能力が示された。 商用レンズコンポーネントによる制限にもかかわらず、提案されたフレームワークは、特にコミュニティの健康設定に適した、迅速でインテリジェントでスケーラブルな眼科スクリーニングのための有望なソリューションを提供する。

関連論文リスト

• Automated Segmentation and Analysis of Cone Photoreceptors in Multimodal Adaptive Optics Imaging [3.7243418909643093]
  共焦点・非共焦点分割検出器画像を用いて光受容体を解析し,精度を向上した。 共焦点のためのStarDistと計算モダリティのためのCellposeの2つのU-Netセグメンテーションモデルについて検討した。
  論文  参考訳（メタデータ） (2024-10-19T17:10:38Z)
• 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)
• Revealing the preference for correcting separated aberrations in joint optic-image design [19.852225245159598]
  我々は、スマートフォンやドローンのような複雑なシステムの効率的な共同設計を実現するために、分離された収差を持つ光学を特徴付ける。 視野が大きいレンズの真の撮像手順を再現する画像シミュレーションシステムを提案する。 共同設計における分離収差補正の選好は, 縦色収差, 横色収差, 球状収差, フィールド曲率, コマの順である。
  論文  参考訳（メタデータ） (2023-09-08T14:12:03Z)
• 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)
• Meta-lenses for differential imaging based on weak measurement [3.3944759178279424]
  弱い測定の枠組みを用いた差動画像のための3つのメタレンズを実験的に提案し、実証する。 Fresnel-lensのような構造をベースとして、我々のメタレンズは、以前の弱測定区画を波長スケールに組み込んだ。 統合された全光学ニューラルネットワークにおける潜在的な重要性に加えて、微分レンズは既存のイメージングシステムに容易に組み込むことができる。
  論文  参考訳（メタデータ） (2023-04-06T02:20:08Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
  単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。 本手法では, 回折光学素子 (DOE) を用いる。 DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
  論文  参考訳（メタデータ） (2020-09-01T14:19:35Z)
• 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。