論文の概要: Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating

• arxiv url: http://arxiv.org/abs/2512.21693v1
• Date: Thu, 25 Dec 2025 14:37:04 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:04:49.884749
• Title: Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating
• Title（参考訳）: Pre-AttUNet: 正常解剖と注意ゲーティングに基づく網膜OCT流体セグメンテーション
• Authors: Li Yang, Yuting Liu,
• Abstract要約: 本研究は, 生成解剖学的先行を付加したセグメンテーションモデルである Pre-AttUNet を紹介する。 このフレームワークは、生成前の経路とセグメンテーションネットワークを統合するハイブリッドなデュアルパスアーキテクチャを採用している。 このモデルは計算コストが 0.37 TFLOPs で、セグメント精度と推論効率の効果的なバランスを保っている。
• 参考スコア（独自算出の注目度）: 6.013762133627291
• License:
• Abstract: Accurate segmentation of macular edema, a hallmark pathological feature in vision-threatening conditions such as age-related macular degeneration and diabetic macular edema, is essential for clinical diagnosis and management. To overcome the challenges of segmenting fluid regions in optical coherence tomography (OCT) images-notably ambiguous boundaries and cross-device heterogeneity-this study introduces Prior-AttUNet, a segmentation model augmented with generative anatomical priors. The framework adopts a hybrid dual-path architecture that integrates a generative prior pathway with a segmentation network. A variational autoencoder supplies multi-scale normative anatomical priors, while the segmentation backbone incorporates densely connected blocks and spatial pyramid pooling modules to capture richer contextual information. Additionally, a novel triple-attention mechanism, guided by anatomical priors, dynamically modulates feature importance across decoding stages, substantially enhancing boundary delineation. Evaluated on the public RETOUCH benchmark, Prior-AttUNet achieves excellent performance across three OCT imaging devices (Cirrus, Spectralis, and Topcon), with mean Dice similarity coefficients of 93.93%, 95.18%, and 93.47%, respectively. The model maintains a low computational cost of 0.37 TFLOPs, striking an effective balance between segmentation precision and inference efficiency. These results demonstrate its potential as a reliable tool for automated clinical analysis.
• Abstract（参考訳）: 加齢に伴う黄斑変性や糖尿病性黄斑浮腫などの視力低下にともなう病理学的特徴である黄斑浮腫の正確なセグメンテーションは,臨床診断と管理に不可欠である。 光コヒーレンストモグラフィー(OCT)画像における流体領域のセグメンテーションの課題を克服するため,本研究では,生成解剖学的先行を付加したセグメンテーションモデルであるPreside-AttUNetを導入する。 このフレームワークは、生成前の経路とセグメンテーションネットワークを統合するハイブリッドなデュアルパスアーキテクチャを採用している。 変分オートエンコーダは、多スケールの規範的解剖学的先行情報を供給し、セグメンテーションバックボーンは密結合されたブロックと空間ピラミッドプールモジュールを組み込んで、よりリッチな文脈情報を取得する。 さらに、解剖学的先行によって導かれる新しい三重アテンション機構は、復号段階における特徴の重要性を動的に調節し、境界線を著しく高めている。 パブリックなRETOUCHベンチマークで評価され、Preside-AttUNetは3つのOCTイメージングデバイス(Cirrus、Spectralis、Topcon)でそれぞれ93.93%、95.18%、93.47%のDice類似度係数で優れた性能を発揮する。 このモデルは計算コストが 0.37 TFLOPs で、セグメント精度と推論効率の効果的なバランスを保っている。 これらの結果は、自動臨床分析のための信頼性の高いツールとしての可能性を示している。

関連論文リスト

• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Revolutionizing Glioma Segmentation & Grading Using 3D MRI - Guided Hybrid Deep Learning Models [0.0]
  本研究は,U-Netに基づくセグメンテーションとDenseNet-VGG分類ネットワークを統合したハイブリッドディープラーニングモデルを開発する。 高次元MRIデータは、前処理によってモデルでうまく利用することができる。 その結果,グリオーマのタイムリーかつ信頼性の高い診断およびグレーディングを促進する上で,この枠組みの可能性が示唆された。
  論文  参考訳（メタデータ） (2025-11-26T18:51:46Z)
• 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)
• Myocardial Region-guided Feature Aggregation Net for Automatic Coronary artery Segmentation and Stenosis Assessment using Coronary Computed Tomography Angiography [13.885760158090692]
  心筋領域誘導型特徴集約ネットは、冠状動脈セグメンテーションの堅牢性を高めるために、解剖学的事前知識を統合する新しいU字型二重エンコーダアーキテクチャである。 本フレームワークは,(1)ブリッジング拡張とマルチスケール機能融合による冠動脈領域への注意を誘導する心筋領域誘導モジュール,(2)並列空間チャネルの注意と残留ブロックを結合して局所的特徴識別を増強する残留特徴抽出モジュール,(3)階層的血管特徴の適応的アダプティブアグリゲーションのためのマルチスケール機能融合モジュールの3つの重要なイノベーションを取り入れている。
  論文  参考訳（メタデータ） (2025-04-27T16:43:52Z)
• Deep vessel segmentation with joint multi-prior encoding [2.8518403379315127]
  単一潜在空間に形状とトポロジーを組み込んだ新しいジョイント先行符号化機構を提案する。 本手法の有効性を3D-IRCADbデータセットで実証した。
  論文  参考訳（メタデータ） (2024-09-18T22:03:46Z)
• 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)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。