論文の概要: A Closer Look at Edema Area Segmentation in SD-OCT Images Using Adversarial Framework

• arxiv url: http://arxiv.org/abs/2508.18790v1
• Date: Tue, 26 Aug 2025 08:16:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.750722
• Title: A Closer Look at Edema Area Segmentation in SD-OCT Images Using Adversarial Framework
• Title（参考訳）: 逆向きフレームワークを用いたSD-OCT画像の浮腫領域分割
• Authors: Yuhui Tao, Yizhe Zhang, Qiang Chen,
• Abstract要約: 本稿では,新しい層構造誘導後処理ステップとテスト時間適応戦略を備えた,浮腫領域(EA)セグメンテーションのための既製の対向フレームワークを提案する。 我々のフレームワークは、密集したEA予測タスクを、EAの輪郭と網膜の層の間の確認ポイントの1つとして再編成し、EA以前の形状とよりよく整合した予測を行う。
• 参考スコア（独自算出の注目度）: 9.612454002801242
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of artificial intelligence models for macular edema (ME) analy-sis always relies on expert-annotated pixel-level image datasets which are expen-sive to collect prospectively. While anomaly-detection-based weakly-supervised methods have shown promise in edema area (EA) segmentation task, their per-formance still lags behind fully-supervised approaches. In this paper, we leverage the strong correlation between EA and retinal layers in spectral-domain optical coherence tomography (SD-OCT) images, along with the update characteristics of weakly-supervised learning, to enhance an off-the-shelf adversarial framework for EA segmentation with a novel layer-structure-guided post-processing step and a test-time-adaptation (TTA) strategy. By incorporating additional retinal lay-er information, our framework reframes the dense EA prediction task as one of confirming intersection points between the EA contour and retinal layers, result-ing in predictions that better align with the shape prior of EA. Besides, the TTA framework further helps address discrepancies in the manifestations and presen-tations of EA between training and test sets. Extensive experiments on two pub-licly available datasets demonstrate that these two proposed ingredients can im-prove the accuracy and robustness of EA segmentation, bridging the gap between weakly-supervised and fully-supervised models.
• Abstract（参考訳）: 黄斑浮腫(ME)アナリシスのための人工知能モデルの開発は、常に将来的な収集に要する、専門家が注釈付けしたピクセルレベルの画像データセットに依存している。 異常検出に基づく弱教師付き手法は、浮腫領域(EA)セグメンテーションタスクにおいて有望であるが、そのパフォーマンス毎の遅延は、完全に教師されたアプローチよりも遅れている。 本稿では,スペクトル領域光コヒーレンストモグラフィ(SD-OCT)画像におけるEA層と網膜層との強い相関と,弱教師付き学習の更新特性を利用して,新しい層構造誘導後処理ステップとテスト時間適応(TTA)戦略を用いて,EAセグメンテーションのオフザシェル対向フレームワークを強化する。 網膜のレイアー情報を付加することにより、当社のフレームワークは、密集したEA予測タスクを、EA輪郭と網膜層の交差点の確認の1つとして再編成し、EAの以前の形状とより整合した予測を行う。 さらに、TTAフレームワークは、トレーニングセットとテストセットの間のEAの顕在化と予見の相違に対処するのにも役立ちます。 2つのパブライセンスのデータセットに対する大規模な実験は、これらの2つの提案された材料がEAセグメンテーションの正確性と堅牢性を証明し、弱教師付きモデルと完全教師付きモデルの間のギャップを埋めることを示した。

関連論文リスト

• Enhancing Diffusion Face Generation with Contrastive Embeddings and SegFormer Guidance [0.0]
  小型のCelebAMask-HQデータセット上で,人間の顔生成のための拡散モデルのベンチマークを示す。 本研究では,未条件生成のためのUNetとDiTアーキテクチャを比較し,事前学習した安定拡散モデルのLoRAによる微調整について検討する。
  論文  参考訳（メタデータ） (2025-08-13T14:27:47Z)
• ConformalSAM: Unlocking the Potential of Foundational Segmentation Models in Semi-Supervised Semantic Segmentation with Conformal Prediction [57.930531826380836]
  本研究は,未ラベル画像のアノテータとして画素レベルの視覚課題におけるラベル不足に,基礎的セグメンテーションモデルが対処できるかどうかを考察する。 ConformalSAMは,まず対象ドメインのラベル付きデータを用いて基礎モデルを校正し,ラベルなしデータの信頼できないピクセルラベルをフィルタリングする新しいSSSSフレームワークである。
  論文  参考訳（メタデータ） (2025-07-21T17:02:57Z)
• SPADE: Spatial-Aware Denoising Network for Open-vocabulary Panoptic Scene Graph Generation with Long- and Local-range Context Reasoning [23.984926906083473]
  Panoptic Scene Graph Generation (PSG)は、複雑なシーンにおけるピクセルレベルの構造的関係をキャプチャするために、関係理解とインスタンスセグメンテーションを統合する。 事前学習された視覚言語モデル(VLM)を活用する最近のアプローチは、オープン語彙設定における性能を大幅に改善した。 オープン語彙PSGの新しいアプローチであるSPADE(SPatial-Aware Denoising-nEtwork)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-08T09:03:24Z)
• CRIA: A Cross-View Interaction and Instance-Adapted Pre-training Framework for Generalizable EEG Representations [52.251569042852815]
  CRIAは、可変長および可変チャネルコーディングを使用して、異なるデータセット間でEEGデータの統一表現を実現する適応フレームワークである。 このモデルでは、時間的、スペクトル的、空間的特徴を効果的に融合させるクロスアテンション機構を採用している。 テンプル大学脳波コーパスとCHB-MITデータセットによる実験結果から、CRIAは既存の方法よりも、同じ事前学習条件で優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-19T06:31:08Z)
• An Intra- and Cross-frame Topological Consistency Scheme for Semi-supervised Atherosclerotic Coronary Plaque Segmentation [9.902034502749501]
  冠状動脈硬化解析 (CAA) は, 湾曲平面再構成法を用いて再建した血管断面画像の解析に頼っている。 この課題は、プラークと血管の境界や構造がはっきりしないため、重大な課題を提起する。 フレーム内トポロジ的整合性(ITC)とクロスフレームトポロジ的整合性(CTC)を統合した,新しい二重整合性半教師型フレームワークを提案する。 提案手法は,既存の半教師付き手法を超越し,CAAにおける教師付き手法の性能にアプローチする。
  論文  参考訳（メタデータ） (2025-01-14T05:23:42Z)
• Understanding and Guiding Weakly Supervised Entity Alignment with Potential Isomorphism Propagation [31.558938631213074]
  本稿では,弱教師付きEA分析のための伝搬視点を提案する。 集約に基づくEAモデルは、ペアのエンティティ類似性に対する伝搬演算子を求めることを示す。 我々は、この演算子を組み込んだ一般的なEAフレームワークであるPipEAを開発し、集約ベースのモデルの種類ごとに精度を向上させる。
  論文  参考訳（メタデータ） (2024-02-05T14:06:15Z)
• Mixed Graph Contrastive Network for Semi-Supervised Node Classification [63.924129159538076]
  我々はMixed Graph Contrastive Network(MGCN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 本研究では,非摂動増強戦略と相関還元機構により,潜伏埋め込みの識別能力を向上する。 これら2つの設定を組み合わせることで、識別表現学習のために、豊富なノードと稀に価値あるラベル付きノードの両方から、豊富な監視情報を抽出する。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Test-time Adaptation with Slot-Centric Models [63.981055778098444]
  Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。 我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-03-21T17:59:50Z)
• A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation [33.684182783291064]
  アジア人では, 一次角閉鎖緑内障(PACG)が非可逆性失明の原因となっている。 提案するフレームワークは,相互に信頼性の高いガイダンスを提供する2つのモデルで構成されている。 公開されているAGEデータセットの実験では、提案されたフレームワークが最先端の半弱教師付き手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-20T11:26:32Z)
• Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
  病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。 まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。 第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-05-05T11:08:26Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。