論文の概要: Artery-Vein Segmentation from Fundus Images using Deep Learning
- arxiv url: http://arxiv.org/abs/2510.03717v1
- Date: Sat, 04 Oct 2025 07:42:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.208915
- Title: Artery-Vein Segmentation from Fundus Images using Deep Learning
- Title（参考訳）: 深層学習を用いた底部画像からの動脈-静脈分離
- Authors: Sharan SK, Subin Sahayam, Umarani Jayaraman, Lakshmi Priya A,
- Abstract要約: この研究は動脈静脈分節の新しいDeep Learningアプローチを提案する。
新しいアプローチは、WNetディープラーニングモデルに組み込まれた注意機構に基づいており、そのモデルを注意-WNetと呼ぶ。
提案されたアプローチは、HRFやDRIVEデータセットなどの公開データセットでテストされている。
- 参考スコア（独自算出の注目度）: 0.4724825031148412
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Segmenting of clinically important retinal blood vessels into arteries and veins is a prerequisite for retinal vessel analysis. Such analysis can provide potential insights and bio-markers for identifying and diagnosing various retinal eye diseases. Alteration in the regularity and width of the retinal blood vessels can act as an indicator of the health of the vasculature system all over the body. It can help identify patients at high risk of developing vasculature diseases like stroke and myocardial infarction. Over the years, various Deep Learning architectures have been proposed to perform retinal vessel segmentation. Recently, attention mechanisms have been increasingly used in image segmentation tasks. The work proposes a new Deep Learning approach for artery-vein segmentation. The new approach is based on the Attention mechanism that is incorporated into the WNet Deep Learning model, and we call the model as Attention-WNet. The proposed approach has been tested on publicly available datasets such as HRF and DRIVE datasets. The proposed approach has outperformed other state-of-art models available in the literature.
- Abstract（参考訳）: 臨床的に重要な網膜血管を動脈や静脈に分離することが網膜血管解析の前提条件である。
このような分析は、様々な網膜眼疾患を同定し診断するための潜在的な洞察とバイオマーカーを提供することができる。
網膜血管の規則性と幅の変化は、全身の血管系の健康の指標となる。
これは、脳卒中や心筋梗塞などの血管疾患を発症するリスクの高い患者を特定するのに役立つ。
長年にわたり、網膜血管セグメンテーションを行うために様々なディープラーニングアーキテクチャが提案されてきた。
近年,画像分割作業における注意機構の活用が進んでいる。
この研究は動脈静脈分節の新しいDeep Learningアプローチを提案する。
新しいアプローチは、WNetディープラーニングモデルに組み込まれた注意機構に基づいており、そのモデルを注意-WNetと呼ぶ。
提案されたアプローチは、HRFやDRIVEデータセットなどの公開データセットでテストされている。
提案手法は、文献で利用可能な他の最先端モデルよりも優れている。
関連論文リスト
- Spatiotemporal Disentanglement of Arteriovenous Malformations in Digital
Subtraction Angiography [37.44819725897024]
本提案手法は, 船舶の自動分類による臨界情報を強調することにより, デジタルサブトラクション血管造影(DSA)画像シリーズを向上することを目的としている。
本法は, 臨床用DSA画像シリーズを用いて検討し, 動脈と静脈の効率的な鑑別を実証した。
論文 参考訳（メタデータ） (2024-02-15T00:29:53Z) - LUNet: Deep Learning for the Segmentation of Arterioles and Venules in
High Resolution Fundus Images [3.828197407736027]
網膜は、血管を非侵襲的にイメージング技術でアクセスできる人間の身体の唯一の部分である。
網膜動静脈 (A/V) の分画は, 自動微小血管解析に必須である。
我々は15人の医学生による240人のクラウドソースによるA/Vセグメンテーションを含む新しいDFIデータセットを作成し、眼科医によるレビューを行った。
我々は,高分解能A/Vセグメンテーションのための新しいディープラーニングアーキテクチャLUNetを開発した。
論文 参考訳（メタデータ） (2023-09-11T19:24:40Z) - 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) - RAVIR: A Dataset and Methodology for the Semantic Segmentation and
Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance
Imaging [7.316426736150123]
Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。
本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。
本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2022-03-28T17:30:29Z) - 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) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - 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) - Joint Learning of Vessel Segmentation and Artery/Vein Classification
with Post-processing [27.825969553813092]
血管分節と動脈・静脈の分類は、潜在的な疾患について様々な情報を提供する。
我々は、UNetベースのモデルSeqNetを採用し、背景から船舶を正確に分割し、船舶のタイプを予測する。
実験の結果,AUCを0.98に改善し,DRIVEデータセットの分類精度は0.92に向上した。
論文 参考訳（メタデータ） (2020-05-27T13:06:16Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
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。