論文の概要: Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset

• arxiv url: http://arxiv.org/abs/2608.21189v1
• Date: Fri, 21 Aug 2026 14:59:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.614711
• Title: Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset
• Title（参考訳）: 残聴障害の解明に向けて:新しい人工内耳データベースにおける線維化の定量化
• Authors: Julia Dietlmeier, Benjamin Greenberg, Wenxuan He, Teresa Wilson, Rubing Xing, Jordan Hill, Adrienne Fettig, Madeline Otto, Teyhana Rounsavill, Lina A. J. Reiss, Jingang Yi, Noel E. O'Connor, George W. S. Burwood,
• Abstract要約: 我々は,いくつかの最先端セマンティックセグメンテーションモデルの結果を提示し,コクラー線維症同定の有効性を比較した。 人工内耳装用人工内耳のCTデータセットへのコンピュータビジョン技術の適用を初めて行った。
• 参考スコア（独自算出の注目度）: 11.166312525925116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: Cochlear implants (CIs) are bionic prostheses that restores hearing via electrical stimulation of the auditory nerve. Hybrid CIs, which use electroacoustic stimulation (EAS), combine residual low-frequency acoustic hearing with CI electrical stimulation. Intracochlear fibrosis, which forms in response to the presence of the implant, may impede residual hearing function and gradually reduce the efficacy of EAS. It is therefore a translational objective to study the formation of cochlear fibrosis in rodents, with the goal of reducing fibrotic burden and improving outcomes for CI patients. Methods: We generate and annotate a novel dataset of optical coherence tomography (OCT) images from chronically implanted guinea pigs as part of an ongoing study focused on implant induced fibrosis. Objectively assessing fibrotic burden in this model, with high resolution and repeatability, presents an obvious use case for computer vision methods. Results: We present the results of several state-of-the-art semantic segmentation models and compare their efficacy for identifying cochlear fibrosis and other relevant annotations, using a new library of manually segmented OCT images. Conclusions: We find that the best performance is achieved by using a modified version of the well-known UNET architecture (which we term 2D-OCT-UNET) that operates on the upscaled OCT input resolution. Significance: For the first time, we have successfully applied computer vision techniques to an OCT dataset of implanted cochleae with fibrosis. Using this deep learning model, the cochlear fibrotic burden calculation can be reliably carried out as we verify in our experimental section. The dataset and the project code are available at: https://github.com/juliadietlmeier/CF-OCT-segmentation
• Abstract（参考訳）: 目的:人工内耳(CI)は、聴覚神経の電気刺激によって聴覚を回復する生体補綴器である。 電気音響刺激(EAS)を用いたハイブリッドCIは、残低周波聴覚とCI電気刺激を組み合わせたものである。 人工内耳内線維症はインプラントの存在に反応して発生するが, 難聴を予防し, EASの有効性を徐々に低下させる可能性がある。 本研究の目的は, 歯根膜線維症の発生を解析し, 線維性負担を軽減し, CI患者の予後を改善することである。 方法: 慢性移植モルモットからの光コヒーレンス断層撮影(OCT)画像の新たなデータセットを作成した。 このモデルにおいて,高分解能かつ再現性を有する線維性負荷を客観的に評価することは,コンピュータビジョン法において明らかなユースケースである。 結果: いくつかの最先端セマンティック・セマンティック・セマンティック・セマンティクス・モデルの結果を,手動セマンティクス画像の新たなライブラリーを用いて, 人工内耳線維症などのアノテーションの同定の有効性を比較検討した。 結論: 良く知られたUNETアーキテクチャ(これを2D-OCT-UNETと呼ぶ)の修正版を使用して、大規模OCT入力解像度で動作させることで、最高のパフォーマンスを実現することができる。 意義: はじめて, 線維化を伴う人工内耳のCTデータセットにコンピュータビジョン技術を適用した。 この深層学習モデルを用いて, 実験部で検証したように, 人工内耳線維の負担計算を確実に行うことができる。 データセットとプロジェクトコードは、https://github.com/juliadietlmeier/CF-OCT-segmentation.comで公開されている。

関連論文リスト

• Bayesian Deep Learning Approaches for Uncertainty-Aware Retinal OCT Image Segmentation for Multiple Sclerosis [0.0]
  光コヒーレンス・トモグラフィ(OCT)は眼科、心臓科、神経学の貴重な知見を提供する。 OCTを用いた眼科医にとって重要な課題は、スキャン内の網膜層のデライン化である。 深層学習を用いたデライン作成の自動化に向けた従来の取り組みは、臨床医や統計学者の獲得に困難を呈している。
  論文  参考訳（メタデータ） (2025-05-17T15:56:17Z)
• Topology-based deep-learning segmentation method for deep anterior lamellar keratoplasty (DALK) surgical guidance using M-mode OCT data [0.0]
  本研究では,トポロジ的損失関数と改良型ネットワークアーキテクチャを統合した,トポロジに基づくディープラーニングセグメンテーション手法を提案する。 このアプローチは、ノイズの効果を効果的に低減し、セグメンテーション速度、精度、安定性を改善する。
  論文  参考訳（メタデータ） (2025-01-07T19:57:15Z)
• 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)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• Low-dimensional Manifold Constrained Disentanglement Network for Metal Artifact Reduction [17.01644053979103]
  アーティファクト・ディアンタングメント・ネットワーク (ADN) が, 臨床画像を直接検査して提案され, 臨床データセットに有望な結果が得られた。 パッチ多様体が一般に低次元であることのイメージ特性を活かした低次元多様体 (LDM) 制約付き非絡合ネットワーク (DN) を提案する。 提案手法は,ペアおよび/またはペアなしの学習環境におけるMAR性能を安定的に向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-08T03:47:34Z)
• Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning [2.571523045125397]
  治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。 現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。 ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
  論文  参考訳（メタデータ） (2020-01-23T12:55:53Z)

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。