論文の概要: XOCT: Enhancing OCT to OCTA Translation via Cross-Dimensional Supervised Multi-Scale Feature Learning

• arxiv url: http://arxiv.org/abs/2509.07455v1
• Date: Tue, 09 Sep 2025 07:25:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.203508
• Title: XOCT: Enhancing OCT to OCTA Translation via Cross-Dimensional Supervised Multi-Scale Feature Learning
• Title（参考訳）: XOCT:OCTをOCTA翻訳に拡張するクロス次元教師付きマルチスケール特徴学習
• Authors: Pooya Khosravi, Kun Han, Anthony T. Wu, Arghavan Rezvani, Zexin Feng, Xiaohui Xie,
• Abstract要約: X OCTは、クロス次元スーパービジョン(CDS)とマルチスケール・フィーチャーフュージョン(MSFF)ネットワークを統合して血管再建を行う新しいディープラーニングフレームワークである。 OCTA-500データセットを用いた実験では,X OCTの改良が特に表面投影に有効であることが示されている。
• 参考スコア（独自算出の注目度）: 10.638764687563555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical Coherence Tomography Angiography (OCTA) and its derived en-face projections provide high-resolution visualization of the retinal and choroidal vasculature, which is critical for the rapid and accurate diagnosis of retinal diseases. However, acquiring high-quality OCTA images is challenging due to motion sensitivity and the high costs associated with software modifications for conventional OCT devices. Moreover, current deep learning methods for OCT-to-OCTA translation often overlook the vascular differences across retinal layers and struggle to reconstruct the intricate, dense vascular details necessary for reliable diagnosis. To overcome these limitations, we propose XOCT, a novel deep learning framework that integrates Cross-Dimensional Supervision (CDS) with a Multi-Scale Feature Fusion (MSFF) network for layer-aware vascular reconstruction. Our CDS module leverages 2D layer-wise en-face projections, generated via segmentation-weighted z-axis averaging, as supervisory signals to compel the network to learn distinct representations for each retinal layer through fine-grained, targeted guidance. Meanwhile, the MSFF module enhances vessel delineation through multi-scale feature extraction combined with a channel reweighting strategy, effectively capturing vascular details at multiple spatial scales. Our experiments on the OCTA-500 dataset demonstrate XOCT's improvements, especially for the en-face projections which are significant for clinical evaluation of retinal pathologies, underscoring its potential to enhance OCTA accessibility, reliability, and diagnostic value for ophthalmic disease detection and monitoring. The code is available at https://github.com/uci-cbcl/XOCT.
• Abstract（参考訳）: オプティカルコヒーレンス・トモグラフィー(OCTA)およびそれに由来する表面投影は、網膜疾患の迅速かつ正確な診断に重要な網膜および脈絡膜血管の高精細な可視化を提供する。 しかし,従来のOCT機器のソフトウェア修正に伴う動作感度や高コストのため,高品質なOCTA画像の取得は困難である。 さらに、現在のOCT-to-OCTA翻訳の深層学習法は、網膜層間の血管の差異を見落とし、信頼性の高い診断に必要な複雑な血管の細部を再構築するのに苦労することが多い。 これらの制限を克服するため,層認識型血管再構築のための多スケール機能融合(MSFF)ネットワークとクロス次元スーパービジョン(CDS)を統合した新しいディープラーニングフレームワークであるXOCTを提案する。 我々のCDSモジュールは、セグメント化重み付けされたz軸平均化によって生成された2次元の面投影を利用して、各網膜層に対する異なる表現を、きめ細かな目標誘導によって学習するように、ネットワークを監督する信号として利用する。 一方、MSFFモジュールは、マルチスケールの特徴抽出とチャネル再加重戦略を組み合わせることで、血管の細部を複数の空間スケールで効果的に捉えることができる。 OCTA-500データセットを用いた実験では,XOCTの改善,特に網膜疾患の臨床的評価に有意な表面投射について,OCTAアクセシビリティ,信頼性,および眼科疾患の検出およびモニタリングの診断値を高める可能性について検討した。 コードはhttps://github.com/uci-cbcl/XOCT.comで入手できる。

関連論文リスト

• Enhanced SegNet with Integrated Grad-CAM for Interpretable Retinal Layer Segmentation in OCT Images [0.0]
  そこで本研究では,SegNetによる網膜層分割の自動化と解釈のためのディープラーニングフレームワークを提案する。 改良されたプール戦略を含むアーキテクチャ上の革新は、ノイズの多いOCT画像からの特徴抽出を強化する。 Grad-CAMの可視化では、解剖学的に関連のある領域が強調され、セグメンテーションと臨床バイオマーカーが一致した。
  論文  参考訳（メタデータ） (2025-09-09T14:31:51Z)
• DMS-Net:Dual-Modal Multi-Scale Siamese Network for Binocular Fundus Image Classification [8.86559854172874]
  両眼網膜画像分類のためのデュアルモードマルチスケールシアムネットワークであるDMS-Netを提案する。 このフレームワークは、両眼の眼底画像から深い意味的特徴を同時に抽出するために、重量共有型ResNet-152アーキテクチャを使用している。 精度は82.9%、リコールは84.5%、コーエンのカッパ係数は83.2%である。
  論文  参考訳（メタデータ） (2025-04-25T03:27:28Z)
• Quantitative Characterization of Retinal Features in Translated OCTA [0.6664270117164767]
  本研究では、生成機械学習(ML)を用いてOCT画像からOCTA画像への変換の可能性を検討する。
  論文  参考訳（メタデータ） (2024-04-24T18:40:45Z)
• 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)
• 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)
• 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)
• RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional Network for Retinal OCT Fluid Segmentation [3.57686754209902]
  OCTガイド下治療には網膜液の定量化が必要である。 RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。 モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-09-26T07:18:00Z)
• 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)

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。