論文の概要: Vessel-Aware Deep Learning for OCTA-Based Detection of AMD

• arxiv url: http://arxiv.org/abs/2603.06735v1
• Date: Fri, 06 Mar 2026 06:27:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.006192
• Title: Vessel-Aware Deep Learning for OCTA-Based Detection of AMD
• Title（参考訳）: OCTAによるAMD検出のための容器認識深層学習
• Authors: Margalit G. Mitzner, Moinak Bhattacharya, Zhilin Zou, Chao Chen, Prateek Prasanna,
• Abstract要約: 加齢関連黄斑変性症(AMD)は、非侵襲的に捕獲できる早期の微小血管変性が特徴である。 本稿では,血管固有のトルティシティマップと血管のドロップアウトマップを組み込んだ,外部乗法型アテンションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.19834326131297
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Age-related macular degeneration (AMD) is characterized by early micro-vascular alterations that can be captured non-invasively using optical coherence tomography angiography (OCTA), yet most deep learning (DL) models rely on global features and fail to exploit clinically meaningful vascular biomarkers. We introduce an external multiplicative attention framework that incorporates vessel-specific tortuosity maps and vasculature dropout maps derived from arteries, veins, and capillaries. These biomarker maps are generated from vessel segmentations and smoothed across multiple spatial scales to highlight coherent patterns of vascular remodeling and capillary rarefaction. Tortuosity reflects abnormalities in vessel geometry linked to impaired auto-regulation, while dropout maps capture localized perfusion deficits that precede structural retinal damage. The maps are fused with the OCTA projection to guide a deep classifier toward physiologically relevant regions. Arterial tortuosity provided the most consistent discriminative value, while capillary dropout maps performed best among density-based variants, especially at larger smoothing scales. Our proposed method offers interpretable insights aligned with known AMD pathophysiology.
• Abstract（参考訳）: 加齢に伴う黄斑変性(AMD)は、光学コヒーレンス・トモグラフィー(OCTA)アンギオグラフィー(OCTA)を用いて非侵襲的に観察できる早期の微小血管変性を特徴とするが、ほとんどの深層学習(DL)モデルはグローバルな特徴に依存しており、臨床的に有意な血管バイオマーカーを活用できない。 本稿では,血管特異性マップと動脈,静脈,毛細血管から得られる血管内ドロップアウトマップを組み込んだ,外部乗法型アテンションフレームワークを提案する。 これらのバイオマーカーマップは血管のセグメンテーションから生成され、複数の空間スケールで滑らか化され、血管リモデリングと毛細管のレアファクトのコヒーレントなパターンが強調される。 ねじれは、自己調節の障害に関連する血管形状の異常を反映し、ドロップアウトマップは構造的網膜損傷に先行する局所的な灌流障害を捉えている。 地図はOCTAプロジェクションと融合し、深い分類器を生理学的に関係のある領域へ導く。 動脈のトルティシティは最も一貫した識別値を示し、キャピラリーのドロップアウトマップは密度に基づく変種、特に大きなスムーズなスケールで最もよく機能した。 提案手法は、既知のAMDの病態と整合した解釈可能な洞察を提供する。

関連論文リスト

• Deep generative computed perfusion-deficit mapping of ischaemic stroke [1.097320368843718]
  虚血性脳梗塞における骨欠損は、臨界血管閉塞の下流への灌流障害によるものである。 破壊された灌流の根底にあるパターンは、病変の上流に情報をもたらし、早期の予測および局所的なシグナルをもたらす可能性がある。 急性虚血性脳梗塞患者1,393人の心電図解析 深部発生推論は、前インターベンショナルウィンドウ内の虚血性脳卒中における機能的解剖学的関係の高発現モデルに有効である。
  論文  参考訳（メタデータ） (2025-02-03T13:14:31Z)
• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• Deep Supervision by Gaussian Pseudo-label-based Morphological Attention for Abdominal Aorta Segmentation in Non-Contrast CTs [0.11916956807881575]
  本稿では, フォロジカル・アテンション(MA)向上を実現するため, 従来の深層学習モデルに統合されたガウス的擬似ラベルを提案する。 様々な2D/3D深層学習モデルで導入され,5749個のCTスライスからなる30個の非コントラストCTボリュームの局所データセット上で検証された。
  論文  参考訳（メタデータ） (2024-02-04T14:59:31Z)
• Deep Angiogram: Trivializing Retinal Vessel Segmentation [1.8479315677380455]
  本研究では,無関係な特徴をフィルタリングし,深部血管造影という潜像を合成するコントラスト型変分自動エンコーダを提案する。 合成ネットワークの一般化性は、画像コントラストとノイズの特徴の変動に敏感なモデルを実現するコントラスト損失によって改善される。
  論文  参考訳（メタデータ） (2023-07-01T06:13:10Z)
• Morphology Edge Attention Network and Optimal Geometric Matching Connection model for vascular segmentation [3.6368619769561668]
  本稿では,容器状構造物のセグメンテーションのための新しい形態的エッジアテンションネットワーク(MEA-Net)を提案する。 また、壊れた容器セグメントを接続するための最適幾何マッチング接続(OGMC)モデルを提案する。 本手法は,3次元血管分割作業の4つのデータセットにおける最先端手法と比較して,優れた,あるいは競争的な結果が得られる。
  論文  参考訳（メタデータ） (2023-06-02T01:52:35Z)
• The Topology-Overlap Trade-Off in Retinal Arteriole-Venule Segmentation [0.0]
  畳み込みニューラルネットワークは 予測と専門家のアノテーションの 高い重複を達成できる オーバーラップの観点から,本モデルが最先端技術と同等の結果を得られることを示す。
  論文  参考訳（メタデータ） (2023-03-31T13:01:05Z)
• 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)
• 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)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• 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)

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。