論文の概要: Improve Retinal Artery/Vein Classification via Channel Couplin

• arxiv url: http://arxiv.org/abs/2508.03738v1
• Date: Thu, 31 Jul 2025 18:43:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.350848
• Title: Improve Retinal Artery/Vein Classification via Channel Couplin
• Title（参考訳）: Channel Couplinによる網膜動脈・静脈の分類の改善
• Authors: Shuang Zeng, Chee Hong Lee, Kaiwen Li, Boxu Xie, Ourui Fu, Hangzhou He, Lei Zhu, Yanye Lu, Fangxiao Cheng,
• Abstract要約: 本稿では,血管,動脈,静脈のコヒーレンスと整合性を確保するために,Channel-Coupled Vessel Consistency Lossという新たな損失を提案する。 また、画像内画素レベルのコントラスト損失という正規化用語を導入し、より識別性の高い特徴レベルの微粒化表現を抽出する。 SOTAの結果は、RITE、LES-AV、HRFを含む3つのパブリックA/V分類データセットで達成されている。
• 参考スコア（独自算出の注目度）: 12.219907282789285
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Retinal vessel segmentation plays a vital role in analyzing fundus images for the diagnosis of systemic and ocular diseases. Building on this, classifying segmented vessels into arteries and veins (A/V) further enables the extraction of clinically relevant features such as vessel width, diameter and tortuosity, which are essential for detecting conditions like diabetic and hypertensive retinopathy. However, manual segmentation and classification are time-consuming, costly and inconsistent. With the advancement of Convolutional Neural Networks, several automated methods have been proposed to address this challenge, but there are still some issues. For example, the existing methods all treat artery, vein and overall vessel segmentation as three separate binary tasks, neglecting the intrinsic coupling relationships between these anatomical structures. Considering artery and vein structures are subsets of the overall retinal vessel map and should naturally exhibit prediction consistency with it, we design a novel loss named Channel-Coupled Vessel Consistency Loss to enforce the coherence and consistency between vessel, artery and vein predictions, avoiding biasing the network toward three simple binary segmentation tasks. Moreover, we also introduce a regularization term named intra-image pixel-level contrastive loss to extract more discriminative feature-level fine-grained representations for accurate retinal A/V classification. SOTA results have been achieved across three public A/V classification datasets including RITE, LES-AV and HRF. Our code will be available upon acceptance.
• Abstract（参考訳）: 網膜血管のセグメンテーションは、全身性疾患と眼疾患の診断のための眼底画像解析において重要な役割を担っている。 これに基づいて、分節血管を動脈と静脈(A/V)に分類することで、糖尿病や高血圧性網膜症などの病態を検出するのに不可欠な、血管の幅、直径、靭性などの臨床的に関係のある特徴の抽出が可能になる。 しかし、手動のセグメンテーションと分類は時間がかかり、コストがかかり、一貫性がない。 畳み込みニューラルネットワークの進歩により、この問題に対処するいくつかの自動化手法が提案されているが、まだいくつか問題がある。 例えば、既存の方法では、動脈、静脈、血管全体のセグメンテーションを3つの別々のバイナリータスクとして扱い、これらの解剖学的構造間の本質的な結合関係を無視している。 血管構造と静脈構造は全網膜血管マップのサブセットであり,自然に予測整合性を示す必要があることを考慮し,血管,動脈,静脈の整合性および整合性を確保するために,Channel-Coupled Vessel Consistency Lossという新たな損失を設計した。 さらに、画像内画素レベルのコントラスト損失という正規化用語を導入し、正確な網膜A/V分類のためのより識別性の高い特徴レベルの微粒化表現を抽出する。 SOTAの結果は、RITE、LES-AV、HRFを含む3つのパブリックA/V分類データセットで達成されている。 私たちのコードは受理後利用可能になります。

関連論文リスト

• A topology-preserving three-stage framework for fully-connected coronary artery extraction [39.47027832777158]
  冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。 完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。 このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
  論文  参考訳（メタデータ） (2025-04-02T11:04:44Z)
• Multi-task learning for joint weakly-supervised segmentation and aortic arch anomaly classification in fetal cardiac MRI [2.7962860265843563]
  3D Black blood T2w MRIによる胎児血管分割の自動化と異常分類のための枠組みを提案する。 右大動脈弓部,右大動脈弓部,大動脈解離の疑いを主訴に来院した。 実験の結果,提案した学習戦略はラベルの伝播と,伝播ラベルのみに特化して訓練されたネットワークを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-11-13T10:54:53Z)
• Morphology Edge Attention Network and Optimal Geometric Matching Connection model for vascular segmentation [3.6368619769561668]
  本稿では,容器状構造物のセグメンテーションのための新しい形態的エッジアテンションネットワーク(MEA-Net)を提案する。 また、壊れた容器セグメントを接続するための最適幾何マッチング接続(OGMC)モデルを提案する。 本手法は,3次元血管分割作業の4つのデータセットにおける最先端手法と比較して,優れた,あるいは競争的な結果が得られる。
  論文  参考訳（メタデータ） (2023-06-02T01:52:35Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images [6.027522272446452]
  網膜血管の研究は多くの疾患のスクリーニングと診断の基本的な段階である。 眼底画像からの網膜A/Vの同時分画と分類のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-09-20T09:54:01Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• Learning to Address Intra-segment Misclassification in Retinal Imaging [3.552155712390612]
  マルチクラスセグメンテーションを複数のバイナリに分解する新しいアプローチを提案し、次にバイナリ-マルチクラス融合ネットワークを提案する。 このネットワークは動脈,静脈,マルチクラスの特徴マップの表現をマージし,それぞれが専門的な血管アノテーションによって教師される。 その結果, DRIVE-AV, LES-AV, HRF-AVの3つの深層学習手法と比較し, F1スコアを4.4%, 5.1%, 4.2%向上させた。
  論文  参考訳（メタデータ） (2021-04-25T11:57:26Z)
• Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous Crossing Patterns [27.867833878756553]
  網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。 医用画像診断における最初期の試みの一つである診断プロセスを支援するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-11-07T13:15:17Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。