論文の概要: Fully Automated High-Precision Segmentation of Retinal Atrophy and Ellipsoid Zone Thickness in OCT: A Reliable Tool for Real-World GA Monitoring
- arxiv url: http://arxiv.org/abs/2606.31502v1
- Date: Tue, 30 Jun 2026 11:21:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.192263
- Title: Fully Automated High-Precision Segmentation of Retinal Atrophy and Ellipsoid Zone Thickness in OCT: A Reliable Tool for Real-World GA Monitoring
- Title（参考訳）: OCTにおける網膜萎縮とエリプソイドゾーン厚さの完全自動高精度分割 : リアルタイムGAモニタリングのための信頼性ツール
- Abstract要約: 加齢関連黄斑変性症(AMD)に続発する地理的萎縮(GA)は、関連する構造バイオマーカーの正確なモニタリングを必要とする。
本稿では,OCT画像におけるキーバイオマーカーの高精度,画素ワイド分割のための,完全に自動化されたディープラーニングベースの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）: 2.709196497303179
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Geographic atrophy (GA) secondary to age-related macular degeneration (AMD) requires precise monitoring of relevant structural biomarkers to assess disease stage, progression, and treatment response. This paper presents a fully automated, deep learning-based framework for the high-precision, pixel-wise segmentation of key biomarkers in optical coherence tomography (OCT) imaging: retinal pigment epithelium (RPE) loss, ellipsoid zone (EZ) loss, and EZ thinning. The proposed pipeline uses three specialized semantic segmentation models to delineate RPE loss, EZ boundaries (including interruptions), and Bruch's membrane. To ensure robustness and generalizability, the models were developed on a diverse dataset of 298 SD-OCT volumes representing the full phenotypic spectrum of AMD (GA:222, intermediate AMD: 40, neovascular AMD: 17, healthy: 19) and validated on an independent external dataset (n=43). The comprehensive evaluation was further strengthened using additional datasets to assess repeatability, inter-reader reliability, the impact of B-scan density on measurement accuracy, and subgroup performance stratified by lesion size. Results demonstrated high segmentation accuracy (Dice RPE loss: 0.88, Dice EZ loss: 0.87, Pearson's r > 0.99). Total EZ thickness measurements exhibited a sub-pixel average deviation of 2.15 $μm$, and segmentation reliability was confirmed by a strong reproducibility score (ICC > 0.98). By accurately and consistently quantifying outer photoreceptor degeneration and RPE loss, this fully automated framework provides a highly reliable tool for GA assessment in both clinical trials and routine real-world ophthalmic care.
- Abstract（参考訳）: 加齢関連黄斑変性症(AMD)に続発する地理学的萎縮(GA)は、疾患のステージ、進行、治療反応を評価するために、関連する構造的バイオマーカーの正確なモニタリングを必要とする。
本稿では,光学コヒーレンストモグラフィー(OCT)画像におけるキーバイオマーカーの高精度,ピクセルワイドセグメンテーションのための,完全に自動化されたディープラーニングベースのフレームワークを提案する。
提案したパイプラインは、RPE損失、EZ境界(割り込みを含む)、およびBruchの膜を記述するために、3つの特別なセマンティックセグメンテーションモデルを使用する。
頑健性と一般化性を確保するため,AMDの全表現型スペクトル(GA:222,中間AMD:40,新生血管AMD:17,健康:19)を表す298 SD-OCTボリュームの多種多様なデータセットを用いてモデルを構築し,独立した外部データセット(n=43)で検証した。
さらに, 再現性, 可読性, 測定精度に対するBスキャン密度の影響, 病変の大きさによるサブグループ性能など, 追加のデータセットによる総合的な評価が強化された。
結果は高いセグメンテーション精度を示した(Dice RPE損失: 0.88, Dice EZ損失: 0.87, Pearson's r > 0.99)。
全EZ厚さ測定では, サブピクセル平均偏差が2.15$μm$であり, 高い再現性スコア(ICC > 0.98)でセグメンテーション信頼性が確認された。
外部受光体変性とRAP損失の正確かつ一貫した定量化によって、この完全に自動化されたフレームワークは、臨床治験と日常的な眼科医療の両方において、非常に信頼性の高いGA評価ツールを提供する。
関連論文リスト
- Automated 2D and 3D Segmentation of AMD and DME Lesions in OCT [5.625893116312849]
加齢に伴う黄斑変性と糖尿病黄斑浮腫は視力喪失の原因となっている。
光コヒーレンストモグラフィーのための多くのディープラーニングセグメンテーション作業は、ドメイン内でのみ検証されている。
この研究は、4つの病変分離パイプラインを開発し、体系的に非難する。
論文 参考訳（メタデータ） (2026-08-27T13:13:18Z) - Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks [0.0]
歯科インプラントにより生成された金属遺物は, コーンビームCT(CBCT)ボリュームを著しく低下させた。
高忠実度復元に最適化されたCycleGAN(Cycle-Consistent Adversarial Network)を用いた金属アーチファクト削減(MAR)のための教師なしディープラーニングフレームワークが提案されている。
このアーキテクチャは、U-NetベースのジェネレータとPatchGAN識別器を統合しており、特に、発生幻覚を緩和し、形態的整合性を維持するために調整されている。
論文 参考訳（メタデータ） (2026-07-23T06:55:02Z) - DSU-Net: An Attention-Enhanced Dense Skip U-Net for Breast Lesion Segmentation in Mammographic Images [0.0]
本研究は,マンモグラフィ画像における乳房病変自動分割のための注目度向上型Skip U-NetアーキテクチャであるDSU-Netを提案する。
このフレームワークは、密集したスキップ接続とアテンション機構を統合し、特徴伝播を改善し、空間情報を保存し、病変境界線を延長する。
提案したモデルはDice similarity Coefficientの0.9421、Intersection over Unionの0.8905、精度0.9711、AUC-ROCの0.9878を検証データセット上で達成した。
論文 参考訳（メタデータ） (2026-06-03T23:09:03Z) - Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。
マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
論文 参考訳（メタデータ） (2025-12-07T14:03:28Z) - EqDiff-CT: Equivariant Conditional Diffusion model for CT Image Synthesis from CBCT [43.92108185590778]
画像誘導放射線療法(IGRT)に広く用いられているコーンビームCT(CBCT)
CBCTから高品質なCT画像を生成するために,EqDiff-CTという新しい拡散型条件生成モデルを提案する。
論文 参考訳（メタデータ） (2025-09-26T05:51:59Z) - HANS-Net: Hyperbolic Convolution and Adaptive Temporal Attention for Accurate and Generalizable Liver and Tumor Segmentation in CT Imaging [2.7205074719266062]
腹部CT像における肝・腫瘍の正確なセグメンテーションは確実な診断と治療計画に重要である。
ニューラル表現とシナプティック・プラスティック・ネットワーク(HANS-Net)を用いたハイパーボリック・コンボリューションの導入
HANS-Netは、階層的幾何表現のための双曲的畳み込み、マルチスケールテクスチャ学習のためのウェーブレットインスパイアされた分解モジュール、暗黙の神経表現分岐を組み合わせた。
論文 参考訳（メタデータ） (2025-07-15T13:56:37Z) - Comprehensive Evaluation of OCT-based Automated Segmentation of Retinal Layer, Fluid and Hyper-Reflective Foci: Impact on Clinical Assessment of Diabetic Retinopathy Severity [0.0]
糖尿病網膜症(DR)は視覚障害の主要な原因であり、不可逆的な損傷を防ぐために早期かつ正確な評価が必要である。
本研究では,網膜層の自動セグメンテーションのための能動的学習に基づくディープラーニングパイプラインを提案する。
論文 参考訳（メタデータ） (2025-03-03T07:23:56Z) - Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。
しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。
本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。
本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
論文 参考訳（メタデータ） (2025-02-10T13:33:12Z) - A Two-Stage Generative Model with CycleGAN and Joint Diffusion for
MRI-based Brain Tumor Detection [41.454028276986946]
本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。
CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。
VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
論文 参考訳（メタデータ） (2023-11-06T12:58:26Z) - 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) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z)
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。