論文の概要: Improving segmentation of retinal arteries and veins using cardiac signal in doppler holograms

• arxiv url: http://arxiv.org/abs/2511.14654v1
• Date: Tue, 18 Nov 2025 16:49:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.22106
• Title: Improving segmentation of retinal arteries and veins using cardiac signal in doppler holograms
• Title（参考訳）: ドップラーホログラムにおける心筋信号を用いた網膜動脈と静脈のセグメンテーションの改善
• Authors: Marius Dubosc, Yann Fischer, Zacharie Auray, Nicolas Boutry, Edwin Carlinet, Michael Atlan, Thierry Geraud,
• Abstract要約: 経時的ドプラホログラムにおける動脈-静脈分画の簡便かつ効果的なアプローチを提案する。 専用のパルス解析パイプラインから派生した特徴を組み込むことで,従来のU-Netの時間的ダイナミクスを活用できる。 これらの結果は,時間分解前処理がドップラーホログラフィーの深層学習の可能性を完全に解き放つことを示唆している。
• 参考スコア（独自算出の注目度）: 2.1194651766074424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Doppler holography is an emerging retinal imaging technique that captures the dynamic behavior of blood flow with high temporal resolution, enabling quantitative assessment of retinal hemodynamics. This requires accurate segmentation of retinal arteries and veins, but traditional segmentation methods focus solely on spatial information and overlook the temporal richness of holographic data. In this work, we propose a simple yet effective approach for artery-vein segmentation in temporal Doppler holograms using standard segmentation architectures. By incorporating features derived from a dedicated pulse analysis pipeline, our method allows conventional U-Nets to exploit temporal dynamics and achieve performance comparable to more complex attention- or iteration-based models. These findings demonstrate that time-resolved preprocessing can unlock the full potential of deep learning for Doppler holography, opening new perspectives for quantitative exploration of retinal hemodynamics. The dataset is publicly available at https://huggingface.co/datasets/DigitalHolography/
• Abstract（参考訳）: ドップラーホログラフィーは、高時間分解能で血流の動的挙動を捉え、網膜血行動態の定量的評価を可能にする新しい網膜イメージング技術である。 これは網膜動脈と静脈の正確なセグメンテーションを必要とするが、従来のセグメンテーション手法は空間情報のみに焦点を当て、ホログラムデータの時間的豊かさを無視する。 本研究では,標準的な分節構造を用いた時間的ドプラホログラムにおける動脈-静脈分節の簡便かつ効果的なアプローチを提案する。 専用のパルス解析パイプラインから派生した特徴を取り入れることで、従来のU-Netは時間的ダイナミクスを活用し、より複雑な注意やイテレーションに基づくモデルに匹敵する性能を実現することができる。 これらの結果は、時間分解前処理がドップラーホログラフィーの深層学習の可能性を完全に解き、網膜血行動態を定量的に探索するための新たな視点を開くことを示している。 データセットはhttps://huggingface.co/datasets/DigitalHolography/で公開されている。

関連論文リスト

• Artery-Vein Segmentation from Fundus Images using Deep Learning [0.4724825031148412]
  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。
  論文  参考訳（メタデータ） (2025-10-04T07:42:30Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI [22.7085949508143]
  MRIは心臓診断において欠かせない役割を担っている。高速イメージングを可能にするため、k空間データをアンサンプすることができる。 この課題は、ディープラーニング再構築手法における広範なトレーニングデータを必要とする。 本研究では,高度に制限された学習データであっても,例外的に良好に動作可能な次元分離型学習手法を活用する,新規で効率的な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-24T23:56:15Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
  本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。 本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-06-19T14:01:47Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。