論文の概要: Physics-based generation of multilayer corneal OCT data via Gaussian modeling and MCML for AI-driven diagnostic and surgical guidance applications

• arxiv url: http://arxiv.org/abs/2602.02755v1
• Date: Mon, 02 Feb 2026 20:07:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.061564
• Title: Physics-based generation of multilayer corneal OCT data via Gaussian modeling and MCML for AI-driven diagnostic and surgical guidance applications
• Title（参考訳）: ガウスモデルとMCMLを用いた多層角膜CTデータの物理応用による診断・手術指導への応用
• Authors: Jinglun Yu, Yaning Wang, Rosalinda Xiong, Ziyi Huang, Kristina Irsch, Jin U. Kang,
• Abstract要約: 角膜光コヒーレンストモグラフィー(OCT)イメージングのための深層学習モデルの訓練は、大きく、よく注釈付けされたデータセットを使用することによって制限される。 画素レベル5層セグメンテーションラベルを用いた合成角膜BスキャンOCT画像を生成するモンテカルロシミュレーションフレームワークを提案する。 結果として得られたデータセットは、制御された地道条件下でのAIモデルの体系的なトレーニング、検証、およびベンチマークを可能にする。
• 参考スコア（独自算出の注目度）: 4.533006590738721
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training deep learning models for corneal optical coherence tomography (OCT) imaging is limited by the availability of large, well-annotated datasets. We present a configurable Monte Carlo simulation framework that generates synthetic corneal B-scan optical OCT images with pixel-level five-layer segmentation labels derived directly from the simulation geometry. A five-layer corneal model with Gaussian surfaces captures curvature and thickness variability in healthy and keratoconic eyes. Each layer is assigned optical properties from the literature and light transport is simulated using Monte Carlo modeling of light transport in multi-layered tissues (MCML), while incorporating system features such as the confocal PSF and sensitivity roll-off. This approach produces over 10,000 high-resolution (1024x1024) image-label pairs and supports customization of geometry, photon count, noise, and system parameters. The resulting dataset enables systematic training, validation, and benchmarking of AI models under controlled, ground-truth conditions, providing a reproducible and scalable resource to support the development of diagnostic and surgical guidance applications in image-guided ophthalmology.
• Abstract（参考訳）: 角膜光コヒーレンストモグラフィー(OCT)イメージングのためのディープラーニングモデルの訓練は、大きく、よく注釈付けされたデータセットが利用可能であることによって制限される。 シミュレーション幾何学から直接導出した画素レベルの5層セグメンテーションラベルを用いた合成角膜Bスキャン光学OCT画像を生成する構成可能なモンテカルロシミュレーションフレームワークを提案する。 ガウス面を持つ5層角膜モデルは、健康眼および角錐眼における曲率と厚さの変動を捉えている。 各層は文献から光学的特性を付与し,モンテカルロ法による多層組織(MCML)の光輸送のシミュレーションを行い,共焦点PSFや感度ロールオフなどのシステム特性を取り入れた。 このアプローチは10,000以上の高解像度(1024x1024)イメージラベルペアを生成し、幾何学、光子数、ノイズ、システムパラメータのカスタマイズをサポートする。 結果として得られたデータセットは、制御された地味な条件下でのAIモデルの体系的なトレーニング、検証、およびベンチマークを可能にし、画像誘導眼科における診断および外科的ガイダンスアプリケーションの開発を支援する再現可能でスケーラブルなリソースを提供する。

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)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• Enhanced Confocal Laser Scanning Microscopy with Adaptive Physics Informed Deep Autoencoders [0.0]
  共焦点レーザー走査顕微鏡の限界に対処する物理インフォームド・ディープラーニング・フレームワークを提案する。 このモデルは、畳み込み層と転置畳み込み層を用いて、ノイズの多い入力から高忠実度画像を再構成する。
  論文  参考訳（メタデータ） (2025-01-24T18:32:34Z)
• ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
  本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。 5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
  論文  参考訳（メタデータ） (2024-08-26T08:59:22Z)
• Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
  OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。 提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
  論文  参考訳（メタデータ） (2024-04-25T05:42:41Z)
• Retinal OCT Synthesis with Denoising Diffusion Probabilistic Models for Layer Segmentation [2.4113205575263708]
  本稿では,拡散確率モデル(DDPM)を用いて網膜光コヒーレンス断層撮影(OCT)画像を自動的に生成する画像合成手法を提案する。 階層分割の精度を一貫して改善し,様々なニューラルネットワークを用いて検証する。 これらの結果から,網膜CT画像の手動アノテーションの必要性が軽減される可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-09T16:09:24Z)
• Multi-modal Retinal Image Registration Using a Keypoint-Based Vessel Structure Aligning Network [9.988115865060589]
  マルチモーダル網膜画像登録のためのエンドツーエンドのトレーニング可能なディープラーニング手法を提案する。 本手法は,キーポイントの検出と記述のために,容器構造から畳み込み特性を抽出する。 キーポイント検出・記述ネットワークとグラフニューラルネットワークは、自己教師された方法で共同で訓練される。
  論文  参考訳（メタデータ） (2022-07-21T14:36:51Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)

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。