論文の概要: Modelling Geographic Atrophy Progression using Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2608.10807v1
• Date: Tue, 11 Aug 2026 11:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:46.02824
• Title: Modelling Geographic Atrophy Progression using Implicit Neural Representations
• Title（参考訳）: Inlicit Neural Representation を用いた地理的萎縮のモデル化
• Abstract要約: 加齢関連黄斑変性症(AMD)は、西洋の視覚障害の主要な原因である。 Inlicit Neural Representations (INR) を用いて地理萎縮(GA)の進行をモデル化する。 提案手法は,FAFとGAのセグメンテーションを過去と未来の両方で生成する。
• 参考スコア（独自算出の注目度）: 0.4397520291340695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Age-related Macular Degeneration (AMD) is the major cause of blindness in the Western world. Its late dry phase is characterised by irreversible atrophic areas, namely Geographic Atrophy (GA). Longitudinal Fundus Autofluorescence (FAF) image acquisitions are currently the main tool for assessing lesion growth over time at the image level. However, due to its highly individualised progression, the evolution of late AMD remains poorly understood. In this work, we propose using Implicit Neural Representations (INRs) to model GA progression at the individual level in a low-data setting. Our approach generates both FAF and GA segmentation at both past and future time points. Among the comparison models, our method achieves competitive segmentation quality across different scenarios, yielding the lowest Mean Absolute Error (MAE) for the GA lesion area and the highest DICE score, without sacrificing FAF image quality. The code is available at https://github.com/SimoneSarrocco/ga-progression-with-inrs.
• Abstract（参考訳）: 加齢関連黄斑変性症(AMD)は、西洋の視覚障害の主要な原因である。 後期乾燥期は、不可逆的な萎縮地域、すなわち地理萎縮(GA)が特徴である。 経時的ファンドスオート蛍光(FAF)画像取得は、現在、画像レベルでの時間経過に伴う病変成長を評価する主要なツールである。 しかし、その高度に個別化された進行により、後期AMDの進化はいまだに理解されていない。 本研究では、インプリシトニューラルネットワーク表現(INR)を用いて、個々のレベルでのGA進行を低データでモデル化する。 提案手法は,FAFとGAのセグメンテーションを過去と未来の両方で生成する。 比較モデルの中では,FAF画像の品質を犠牲にすることなく,GA病変領域の平均絶対誤差 (MAE) とDICEスコアを最少とする,異なるシナリオ間での競合セグメンテーション品質を実現する。 コードはhttps://github.com/SimoneSarrocco/ga-progression-with-inrs.comで公開されている。

関連論文リスト

• SGW-GAN: Sliced Gromov-Wasserstein Guided GANs for Retinal Fundus Image Enhancement [8.459174944716906]
  近年のGANおよび拡散に基づく拡張手法は、劣化した画像を高品質な分布に整列させることで知覚品質を向上させる。 SGW-GANは、Sliced GW(SGW)を網膜画像拡張に組み込んだ最初のフレームワークである。 公開データセットの実験では、SGW-GANは視覚的に説得力のある拡張を行い、優れた糖尿病網膜症をグレーディングし、疾患ラベル間でのGW差が最も低いことを報告している。
  論文  参考訳（メタデータ） (2026-01-19T21:57:18Z)
• ARMARecon: An ARMA Convolutional Filter based Graph Neural Network for Neurodegenerative Dementias Classification [1.6076071340549412]
  アルツハイマー病 (AD) や前頭側頭型認知症 (FTD) などの神経変性疾患の早期発見は、重度の疾患ステージへの進行のリスクを軽減するために不可欠である。 本稿では,ARMAReconについて紹介する。ARMAReconは,自動回帰移動平均(ARMA)グラフフィルタリングを再構成駆動の目的と統合し,特徴表現の強化と分類精度の向上を図る。 ARMAReconは、ホワイトマター領域から抽出した20ビンのフラクショナル異方性(FA)ヒストグラム特性を利用して、局所的および大域的接続を効果的にモデル化し、過度な平滑化を緩和する。
  論文  参考訳（メタデータ） (2026-01-17T14:31:33Z)
• Diffusion Based Ambiguous Image Segmentation [4.847141930102934]
  生成セグメンテーションのための拡散モデルの設計空間について検討する。 入力スケーリングによるノイズスケジュールの厳格化は,性能を著しく向上させる。 我々はLIDC-IDRI肺病変データセットに基づく実験を行い,SOTA(State-of-the-art)の性能を得た。
  論文  参考訳（メタデータ） (2025-04-08T12:33:26Z)
• Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
  遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。 我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
  論文  参考訳（メタデータ） (2024-12-30T01:59:34Z)
• An Organism Starts with a Single Pix-Cell: A Neural Cellular Diffusion for High-Resolution Image Synthesis [8.01395073111961]
  我々は、GeCA(Generative Cellular Automata)と呼ばれる新しいモデルのファミリーを紹介する。 GeCAは2つの画像モダリティ(Fundus and Optical Coherence Tomography, OCT)にまたがる網膜疾患分類の効果的な拡張ツールとして評価される データが不足し,クラス分布が本質的に歪んでいるOCT画像の文脈では,GeCAは11種類の眼科領域の性能を著しく向上させる。
  論文  参考訳（メタデータ） (2024-07-03T11:26:09Z)
• DiffMAC: Diffusion Manifold Hallucination Correction for High Generalization Blind Face Restoration [62.44659039265439]
  視覚障害者の視力回復を支援するための拡散情報拡散フレームワークを提案する。 DiffMACは、多種多様な劣化シーンと異種ドメインにおいて、高度な顔の復元を実現する。 結果は,最先端手法よりもDiffMACの方が優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-15T08:44:15Z)
• 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)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• Inducing Optimal Attribute Representations for Conditional GANs [61.24506213440997]
  条件付きGANは、あるカテゴリから別のカテゴリへの画像の変換に広く使用されている。 既存の条件付きGANは、ターゲットドメインラベル情報を0と1の形式でハードコードされたカテゴリベクトルとして符号化する。 本稿では,グラフ畳み込みネットワークを用いた新しいエンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-13T20:24:07Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。