論文の概要: Bayesian Deep Learning Approaches for Uncertainty-Aware Retinal OCT Image Segmentation for Multiple Sclerosis

• arxiv url: http://arxiv.org/abs/2505.12061v2
• Date: Tue, 20 May 2025 12:37:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 12:33:37.416429
• Title: Bayesian Deep Learning Approaches for Uncertainty-Aware Retinal OCT Image Segmentation for Multiple Sclerosis
• Title（参考訳）: 多発性硬化症に対する不確実性網膜OCT画像分割のためのベイジアンディープラーニングアプローチ
• Authors: Samuel T. M. Ball,
• Abstract要約: 光コヒーレンス・トモグラフィ(OCT)は眼科、心臓科、神経学の貴重な知見を提供する。 OCTを用いた眼科医にとって重要な課題は、スキャン内の網膜層のデライン化である。 深層学習を用いたデライン作成の自動化に向けた従来の取り組みは、臨床医や統計学者の獲得に困難を呈している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical Coherence Tomography (OCT) provides valuable insights in ophthalmology, cardiology, and neurology due to high-resolution, cross-sectional images of the retina. One critical task for ophthalmologists using OCT is delineation of retinal layers within scans. This process is time-consuming and prone to human bias, affecting the accuracy and reliability of diagnoses. Previous efforts to automate delineation using deep learning face challenges in uptake from clinicians and statisticians due to the absence of uncertainty estimation, leading to "confidently wrong" models via hallucinations. In this study, we address these challenges by applying Bayesian convolutional neural networks (BCNNs) to segment an openly available OCT imaging dataset containing 35 human retina OCTs split between healthy controls and patients with multiple sclerosis. Our findings demonstrate that Bayesian models can be used to provide uncertainty maps of the segmentation, which can further be used to identify highly uncertain samples that exhibit recording artefacts such as noise or miscalibration at inference time. Our method also allows for uncertainty-estimation for important secondary measurements such as layer thicknesses, that are medically relevant for patients. We show that these features come in addition to greater performance compared to similar work over all delineations; with an overall Dice score of 95.65%. Our work brings greater clinical applicability, statistical robustness, and performance to retinal OCT segmentation.
• Abstract（参考訳）: オプティカルコヒーレンス・トモグラフィ(OCT)は、網膜の高解像度断面像による眼科、心臓学、神経学の貴重な知見を提供する。 OCTを用いた眼科医にとって重要な課題は、スキャン内の網膜層のデライン化である。 このプロセスは時間がかかり、人間の偏見が原因で、診断の正確性や信頼性に影響を及ぼす。 深層学習を用いたデラインの自動化に向けたこれまでの取り組みは、不確実性推定が欠如していることから、臨床医や統計学者の獲得に困難を呈し、幻覚による「真に間違っている」モデルに繋がった。 本研究では、ベイジアン畳み込みニューラルネットワーク(BCNN)を用いて、35個のヒト網膜OCTを含むオープンなOCT画像データセットを、健康的なコントロールと多発性硬化症患者に分割することで、これらの課題に対処する。 その結果,ベイズモデルを用いてセグメンテーションの不確実性マップを作成でき,さらに推定時にノイズや誤校正などの記録アーチファクトを示す極めて不確実なサンプルを同定することができることがわかった。 また, 患者に関係のある層厚などの重要な二次測定値に対する不確実性の推定も可能である。 これらの特徴は、すべての記述に対する類似の作業に比べてパフォーマンスの向上に加えて、全体のDiceスコアが95.65%であることを示します。 本研究は網膜 OCT セグメンテーションに対する臨床応用性, 統計的堅牢性, パフォーマンスの向上をもたらす。

関連論文リスト

• Multimodal Deep Learning for Stroke Prediction and Detection using Retinal Imaging and Clinical Data [0.7322887425853788]
  本研究は、脳卒中検出とリスク予測に網膜画像と臨床データを活用することの影響について検討する。 光コヒーレンス・トモグラフィ(OCT)と赤外反射性網膜スキャンを処理するマルチモーダルディープニューラルネットワークを提案する。 実験により,急性脳梗塞に伴う網膜の持続的影響の検出において,考慮すべきモダリティの予測能力が確立された。
  論文  参考訳（メタデータ） (2025-05-05T14:22:58Z)
• Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
  本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。 提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。 前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
  論文  参考訳（メタデータ） (2024-07-01T16:09:07Z)
• nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and Generalisation over Variations of Data Sources [25.095695898777656]
  我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。 このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。 実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-25T23:47:23Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning [2.571523045125397]
  治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。 現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。 ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
  論文  参考訳（メタデータ） (2020-01-23T12:55:53Z)

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。