論文の概要: Algorithmic statistics of retinal images

• arxiv url: http://arxiv.org/abs/2608.09989v1
• Date: Thu, 06 Aug 2026 18:57:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.742386
• Title: Algorithmic statistics of retinal images
• Title（参考訳）: 網膜画像のアルゴリズム統計
• Abstract要約: 正規化圧縮距離(NCD)と異方性構造強調フィルタを組み合わせた計量学習手法を提案する。 医師が計測した視野機能の変化に対して,NCDが測定した画像間の構造的差異を検証した。 正規化圧縮ベクトル(NCV)は3次元顕微鏡画像の集合間の視覚的差異を測定する特徴セットとして提案される。
• 参考スコア（独自算出の注目度）: 1.2899392854599374
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: There has been a tremendous amount of image processing and machine learning research to measure and classify disease progression from live optical coherence tomography (OCT) imaging of the retina. The images considered here are large, complex, three-dimensional (3-D) and difficult to visualize effectively. Many current supervised machine learning approaches, \emph{e.g.} neural networks, are non-metric meaning that any features or measurements generated can introduce systematic distortion that may be correlated with underlying non-meaningful physiological differences. Here we present a metric learning approach using the normalized compression distance (NCD) combined with anisotropic structure-enhancing filters to quantify and visualize the principal differences among a collection of 3-D retinal images. We validate the NCD-measured structural differences between pairs of images against the physician-measured change in visual field function, achieving a prediction error of $\sim$ 0.5 dB, more accurate than non-metric deep learning approaches. The normalized compression vectors (NCV) are proposed as a feature set measuring visual differences among a collection of 3-D microscopy images. The utility of the NCV for visualizing and measuring patterns of change is demonstrated for a human with moderate non-progressing glaucoma and for a non-human primate model using intraocular pressure setting manipulation. We conclude with a brief simulation of non-metric embedding features, \emph{e.g.} from neural networks, introducing class-correlated statistical distortion.
• Abstract（参考訳）: 網膜のライブ光コヒーレンス断層撮影(OCT)画像から、病気の進行を計測し分類するための画像処理と機械学習の研究が、これまでに数多く行われてきた。 ここで考慮された画像は、大きく、複雑で、三次元(3-D)であり、効果的に視覚化することは困難である。 多くの現在の教師付き機械学習アプローチ、すなわち 'emph{e g } ニューラルネットワークは、非計測的な意味であり、生成されたどんな特徴や測定も、基礎となる非有意な生理的差異と相関する体系的な歪みをもたらすことができる。 本稿では, 正規化圧縮距離(NCD)と異方性構造強調フィルタを組み合わせることで, 3次元網膜画像の集合における主成分差の定量化と可視化を行う。 医師が計測した視野関数の変化に対して,NCDが測定した画像間の構造的差異を検証し,非測定深度学習法よりも精度の高い$\sim$0.5dBの予測誤差を達成した。 正規化圧縮ベクトル(NCV)は3次元顕微鏡画像の集合間の視覚的差異を測定する特徴セットとして提案される。 中等度非進行緑内障を有するヒトや、眼圧設定操作を用いた非ヒト霊長類モデルに対して、変化パターンの可視化及び測定のためのNCVの有用性を実証する。 ニューラルネットワークの非計量埋め込み特性, \emph{e g } の簡単なシミュレーションを行い, クラス相関統計歪みを導入した。

関連論文リスト

• Don't Mind the Gaps: Implicit Neural Representations for Resolution-Agnostic Retinal OCT Analysis [1.0093567618205226]
  Inlicit Neural representations (INRs) は、ボキセル化データを連続的な表現として保存するツールとして登場した。 網膜CTボリュームの高密度3次元解析にINRの特性を利用する2つのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-05T15:41:03Z)
• AI-CNet3D: An Anatomically-Informed Cross-Attention Network with Multi-Task Consistency Fine-tuning for 3D Glaucoma Classification [0.4999814847776097]
  緑内障は進行性眼疾患であり、視神経の損傷を引き起こす。 本稿では、3次元畳み込みニューラルネットワークにクロスアテンション機構を統合するハイブリッドディープラーニングモデルを提案する。 我々は、AI-CNet3D (AI-See'-Net3D) と命名し、3Dデータを操作する解剖学的インフォームド・クロスアテンション・ネットワークとしての設計を反映した。
  論文  参考訳（メタデータ） (2025-10-01T13:30:55Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Single-subject Multi-contrast MRI Super-resolution via Implicit Neural Representations [9.683341998041634]
  Inlicit Neural Representations (INR) は連続空間関数における相補的視点の2つの異なるコントラストを学習することを提案した。 我々のモデルは、3つのデータセットを用いた実験において、異なるコントラストのペア間で現実的な超解像を提供する。
  論文  参考訳（メタデータ） (2023-03-27T10:18:42Z)
• Acute ischemic stroke lesion segmentation in non-contrast CT images using 3D convolutional neural networks [0.0]
  非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。 我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
  論文  参考訳（メタデータ） (2023-01-17T10:39:39Z)
• 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)
• Multi-View Photometric Stereo Revisited [100.97116470055273]
  多視点測光ステレオ(MVPS)は、画像から被写体を詳細に正確に3D取得する方法として好まれる。 MVPSは異方性や光沢などの他の対象物質と同様に,等方性に対しても有効である。 提案手法は、複数のベンチマークデータセットで広範囲にテストした場合に、最先端の結果を示す。
  論文  参考訳（メタデータ） (2022-10-14T09:46:15Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• About Explicit Variance Minimization: Training Neural Networks for Medical Imaging With Limited Data Annotations [2.3204178451683264]
  VAT(Variance Aware Training)法は、モデル損失関数に分散誤差を導入することにより、この特性を利用する。 多様な領域から得られた3つの医用画像データセットと様々な学習目標に対するVATの有効性を検証した。
  論文  参考訳（メタデータ） (2021-05-28T21:34:04Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。