論文の概要: Automated 2D and 3D Segmentation of AMD and DME Lesions in OCT
- arxiv url: http://arxiv.org/abs/2608.27095v1
- Date: Thu, 27 Aug 2026 13:13:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.411812
- Title: Automated 2D and 3D Segmentation of AMD and DME Lesions in OCT
- Title（参考訳）: OCTにおけるAMDおよびDME病変の2次元および3次元分割の自動化
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.625893116312849
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Age-related macular degeneration (AMD) and diabetic macular edema (DME) are leading causes of vision loss, and optical coherence tomography (OCT) is the standard modality for detecting and monitoring the subtle lesions that drive treatment decisions. Most deep-learning segmentation work for OCT is validated only in-domain, leaving generalization to clinical data collected under different acquisition protocols largely untested. This work develops and systematically ablates four lesion-segmentation pipelines -- 2D and 3D variants for AMD and DME -- reaching Dice scores of 0.76 to 0.82 with strong volumetric and surface calibration (r vol, r surf greater than or equal to 0.97 across all four pipelines) on an in-domain validation set. The ablation process establishes a full-volume, calibration-aware adoption standard that catches mechanisms an ordinary slice-level evaluation would keep, and identifies ensemble composition as the most consistent driver of improvement. To test generalization, the models are evaluated on OLIVES, an external clinical cohort with no lesion-level ground truth, using a proxy-metric framework built around biomarker AUROC, central subfield thickness (CST) correlation, and longitudinal concordance. Predictions track clinical biomarkers outside the training distribution, though less strongly than in-domain -- evidence for, not validation of, automated lesion-burden tracking as a clinical tool.
- Abstract（参考訳）: 加齢に伴う黄斑変性 (AMD) と糖尿病黄斑浮腫 (DME) は視力喪失の原因となり, 光コヒーレンス断層撮影 (OCT) は治療決定を駆動する微妙な病変の検出とモニタリングの標準法である。
OCTのほとんど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、異なる取得プロトコルで収集された臨床データへの一般化はほとんどテストされていない。
この研究は、4つの病変分離パイプライン(AMDとDMEの2Dおよび3D変種)を、ドメイン内の検証セット上で、強い体積と表面のキャリブレーション(r vol, r は4つのパイプラインで 0.97 以上)でDiceスコアが 0.76 から 0.82 に達し、体系的に評価する。
アブレーションプロセスは、通常のスライスレベルの評価が維持するメカニズムをキャッチし、アンサンブル構成を改善の最も一貫した要因として識別する、フルボリュームのキャリブレーション対応の採用標準を確立する。
一般化を検証するために,バイオマーカーAUROCを中心に構築されたプロキシ・メトリック・フレームワーク,中央サブフィールド厚み(CST)相関,および長手一致を用いて,病変レベルの真実を持たない外部臨床コホートであるOLIVESを用いてモデルを評価した。
予測では、トレーニングディストリビューションの外で臨床バイオマーカーを追跡するが、ドメイン内よりも強くはない。
関連論文リスト
- AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages [0.8886706641070187]
急性虚血性脳卒中(AIS)病変は脳卒中予後と治療計画に必須である。
非造影CT(non-contrast CT, NCCT)は, 微妙な梗塞造影を呈し, 手指の脱線が遅く, 労働集約的である。
2段階のnnU-Net互換3Dセグメンテーション法を提案する。
論文 参考訳（メタデータ） (2026-08-20T08:12:31Z) - Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。
テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
論文 参考訳（メタデータ） (2026-06-17T08:10:30Z) - Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。
すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。
ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
論文 参考訳（メタデータ） (2026-06-11T09:55:57Z) - Geometry-Aware Distillation for Prompt Tuning Biomedical Vision-Language Models [40.432049062995326]
視覚言語モデル(VLM)の現在のプロンプトベースおよびアダプタベースチューニングは、医用画像にとって魅力的である。
オムニ幾何知識蒸留(Omni-Geometry Knowledge Distillation, OGKD)を提案する。
我々のOGKDは性能が大幅に向上し、従来のVLM適応よりも平均1.7%-2.8%の精度が向上した。
論文 参考訳（メタデータ） (2026-06-03T14:17:57Z) - ODySSeI: An Open-Source End-to-End Framework for Automated Detection, Segmentation, and Severity Estimation of Lesions in Invasive Coronary Angiography Images [23.05175906366438]
Invasive Coronary Angiography (ICA) は冠動脈疾患の診断における臨床標準である。
本研究では,ICA画像の自動検出,病変,重症度推定のためのオープンソースフレームワークODySSeIを紹介する。
ODySSeIは、新しいピラミッド拡張スキーム(PAS)を用いて訓練された深層学習に基づく病変検出と病変分割モデルを統合する
我々のLSE技術は,MLDの予測値が,対応する基底真理からpm$2-3ピクセルしか差がないため,精度が高い。
論文 参考訳（メタデータ） (2026-03-20T15:07:15Z) - Automated Labeling of Intracranial Arteries with Uncertainty Quantification Using Deep Learning [2.6279333406008476]
3D Time-of-light Magnetic Resonance Angiography (3D ToF-MRA) を用いたディープラーニングによる自動動脈ラベル作成フレームワークを提案する。
我々のフレームワークは、自動脳血管ラベリングのためのスケーラブルで正確で不確実なソリューションを提供し、下流血行動態解析をサポートし、臨床統合を容易にする。
論文 参考訳（メタデータ） (2025-09-22T12:57:21Z) - A Fully Automatic Framework for Intracranial Pressure Grading: Integrating Keyframe Identification, ONSD Measurement and Clinical Data [3.6652537579778106]
頭蓋内圧(ICP)上昇は脳機能に深刻な脅威をもたらし、時間的介入の監視を必要とする。
OnSD測定と臨床データを統合したICPグレーティングのための完全自動2段階フレームワークを提案する。
評価精度は0.845 pm 0.071$, 独立試験精度0.786であり, 従来のしきい値法よりも優れていた。
論文 参考訳（メタデータ） (2025-09-11T11:37:48Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。
我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。
フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
論文 参考訳（メタデータ） (2025-07-10T23:12:12Z) - MSWAL: 3D Multi-class Segmentation of Whole Abdominal Lesions Dataset [41.69818086021188]
我々は,全腹部病変データセットの最初の3次元マルチクラスであるMSWALを紹介する。
MSWALは、胆石、腎臓石、肝腫瘍、腎臓腫瘍、膵癌、肝嚢胞、腎臓嚢胞など、様々な一般的な病変のカバー範囲を広げている。
Inception nnU-Netは、インセプションモジュールとnnU-Netアーキテクチャを効果的に統合し、異なるフィールドから情報を抽出する新しいセグメンテーションフレームワークである。
論文 参考訳（メタデータ） (2025-03-17T06:31:25Z) - 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) - Deep Learning for Vascular Segmentation and Applications in Phase
Contrast Tomography Imaging [33.23991248643144]
本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。
我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。
HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
論文 参考訳（メタデータ） (2023-11-22T11:15:38Z)
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。