論文の概要: Uncertainty-Aware Multi-Source Retinal Fluid Segmentation in OCT
- arxiv url: http://arxiv.org/abs/2607.12212v2
- Date: Wed, 15 Jul 2026 20:06:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.833459
- Title: Uncertainty-Aware Multi-Source Retinal Fluid Segmentation in OCT
- Title（参考訳）: OCTにおける不確実性を考慮したマルチソース網膜流体セグメンテーション
- Authors: Animesh Kumar,
- Abstract要約: 我々は,4つの独立したOCTソースに3つの流体タイプを分割する,注意誘導型TransUNetを提案する。
モデルの平均流体密度は0.78で、臨床医にとって最も有用であり、専門家の成績が一致しない場合、その不確実性は1.34倍高い。
- 参考スコア（独自算出の注目度）: 1.0817607291351121
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Measuring retinal fluid from optical coherence tomography (OCT) drives treatment decisions in macular disease, but manual annotation is slow and segmentation models trained on one scanner degrade on another. We present an attention-guided TransUNet that segments three fluid types across four independent OCT sources, combining a domain-adaptive normalisation scheme with an uncertainty estimate that flags unreliable pixels. The model reaches a mean fluid Dice of 0.78, and -- most usefully for clinicians -- its uncertainty is 1.34x higher exactly where expert graders disagree (p<10^-4), turning a raw segmentation map into an actionable clinical triage signal.
- Abstract（参考訳）: 光コヒーレンストモグラフィー(OCT)による網膜液の測定は黄斑病の治療決定を促進するが、手動のアノテーションは遅く、あるスキャナーで訓練されたセグメンテーションモデルは別のスキャナーで劣化する。
我々は,4つの独立したOCTソースに3つの流体タイプを分割し,領域適応正規化スキームと信頼できない画素をフラグする不確実性推定を組み合わせた注意誘導型TransUNetを提案する。
このモデルは平均流体量0.78に到達し、その不確実性は専門家が反対する(p<10^-4)場合に1.34倍高くなり、生のセグメンテーションマップを実行可能な臨床トリアージ信号に変換する。
関連論文リスト
- Low Dose CT for Stroke Diagnosis: A Dual Pipeline Deep Learning Framework for Portable Neuroimaging [0.0]
モバイル臨床環境におけるAI支援トリアージのための低用量CT(LDCT)脳スキャンによる脳卒中分類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。
1)うるさいLDCT画像の直接分類と,(2)難聴化と分類の2つのパイプラインを比較した。
最高の音階分類パイプラインは、適度な線量レベルで0.94 AUCと0.91の精度を達成し、特定のケースでは6%の直接分類を達成している。
論文 参考訳（メタデータ） (2026-03-24T00:18:21Z) - A Heterogeneous Ensemble for Multi-Center COVID-19 Classification from Chest CT Scans [0.39998518782208775]
3つの推論パラダイムにまたがる9つのモデルの異種アンサンブルを示す。
アンサンブルは4つの病院センターで平均0.9280のマクロF1を達成し、最高のシングルモデルを上回っている。
論文 参考訳（メタデータ） (2026-03-15T21:34:59Z) - 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) - Hemorica: A Comprehensive CT Scan Dataset for Automated Brain Hemorrhage Classification, Segmentation, and Detection [0.749500254646884]
Hemoricaは、2012年から2024年の間に取得された372個の頭部CT検査の公開コレクションである。
ICHサブタイプ(EPH)、サブデューラル(SDH)、サブアラキノイド(SAH)、パーレンキマル(IPH)の5つのサブタイプ(EPH)に対して、各スキャンは徹底的に注釈付けされている。
Hemoricaは、マルチタスクとカリキュラム学習をサポートする統一されたきめ細かいベンチマークを提供する。
論文 参考訳（メタデータ） (2025-09-26T23:09:41Z) - nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and
Generalisation over Variations of Data Sources [25.095695898777656]
我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。
このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。
実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2023-02-25T23:47:23Z) - 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) - 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) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z)
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。