論文の概要: A Two-Stage Multi-Scale Attention-Based Network for Weakly Supervised Cataract Fundus Image Enhancement
- arxiv url: http://arxiv.org/abs/2609.20222v1
- Date: Tue, 04 Aug 2026 01:22:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.639282
- Title: A Two-Stage Multi-Scale Attention-Based Network for Weakly Supervised Cataract Fundus Image Enhancement
- Title（参考訳）: 弱教師付き白内障ファウンダス画像強調のための2段階マルチスケールアテンションベースネットワーク
- Abstract要約: 弱教師付き白内障眼底画像強調のための2段階マルチスケールアテンションベースネットワーク(TSMSA-Net)を提案する。
我々のTSMSA-Netは、ペア画像のリアルタイムな白内障画像の合成を行い、ペア画像の取得が難しい問題を解決する。
白内障画像における血管のセグメンテーションと分類の性能を向上させることができる。
- 参考スコア（独自算出の注目度）: 5.034614938565541
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cataract is a major cause of vision loss and hinders further diagnosis. However, cataract fundus image enhancement often grapples with challenges such as limited paired cataract retinal images and insufficient recovery of fine details in the retinal images. To mitigate these challenges, we in this paper propose a two-stage multi-scale attention-based network (TSMSA-Net) for weakly supervised cataract fundus image enhancement. Our TSMSA-Net leverages the domain transformation to synthesis paired real-like cataract images, solving the problem of difficult acquisition of paired images. To further extract detailed information from fundus images and reduce the generation of artifacts during the enhancement process, we propose a multi-scale attention-based stage to learn more useful features for cataract image enhancement. Experimental results on Kaggle and ODIR-5K demonstrate that our TSMSA-Net outperforms current state-of-the-art cataract fundus images enhancement even without paired images and exhibits certain generalization ability. Experimental results on Kaggle and ODIR-5K datasets indicate that our TSMSA-Net outperforms the current state-of-the-art methods for cataract fundus image enhancement, even in the absence of paired images. Additionally, it demonstrates a certain level of generalization capability. The enhancement also can improve the performance of vessel segmentation and classification in cataract images.
- Abstract（参考訳）: 白内障は視力喪失の大きな原因であり、さらなる診断を妨げる。
しかし、白内障眼底画像の強調は、対の白内障網膜画像の制限や網膜画像の細部回復の不十分といった課題に悩まされることが多い。
本稿では,2段階のマルチスケールアテンションベースネットワーク(TSMSA-Net)を提案する。
我々のTSMSA-Netは、ドメイン変換を利用して、ペア画像の合成を行い、ペア画像の取得が難しい問題を解決する。
そこで本研究では,眼底画像から詳細な情報を抽出し,拡張過程におけるアーティファクトの生成を減らすために,白内障画像強調のためのより有用な特徴を学習するための,多段階の注目ステージを提案する。
Kaggle と ODIR-5K による実験結果から,我々の TSMSA-Net は,ペア画像がなくても,現在最先端の白内障原像の高画質化を達成し,一定の一般化能力を示した。
Kaggle と ODIR-5K データセットによる実験結果から,我々の TSMSA-Net は,ペア画像が存在しない場合でも,白内障眼底像強調のための最先端手法よりも優れていたことが示唆された。
さらに、あるレベルの一般化能力を示す。
この拡張は、白内障画像における血管のセグメンテーションと分類の性能を向上させることもできる。
関連論文リスト
- Multi-Scale Target-Aware Representation Learning for Fundus Image Enhancement [11.652205644265893]
高品質の眼底画像は、臨床検診や眼科疾患の診断に欠かせない解剖学的情報を提供する。
近年は、眼底画像の強化が有望な進展をみせている。
本稿では,効率的なファンドス画像強調のためのMTRL-FIE(Multi-scale target-aware representation learning framework)を提案する。
論文 参考訳（メタデータ） (2025-05-03T14:25:48Z) - Hybrid attention structure preserving network for reconstruction of under-sampled OCT images [0.30693357740321775]
我々は,HASPN(Hybrid attention structure Preserving Network)を提案する。
適応的拡張畳み込み型チャネルアテンション(ADCCA)と空間アテンション(ESA)を利用して特徴のチャネルと空間情報をよりよく捉えた。
HASPNは糖尿病黄斑浮腫網膜データセットに適用され、その優れた一般化能が検証された。
論文 参考訳（メタデータ） (2024-06-01T03:07:28Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - 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) - Bridging Synthetic and Real Images: a Transferable and Multiple
Consistency aided Fundus Image Enhancement Framework [61.74188977009786]
画像強調とドメイン適応を同時に行うために,エンドツーエンドの教師支援フレームワークを提案する。
また,教師ネットワークと学生ネットワークのバックボーンとして,マルチステージ型マルチアテンション・ガイド・エンハンスメント・ネットワーク(MAGE-Net)を提案する。
論文 参考訳（メタデータ） (2023-02-23T06:16:15Z) - OTRE: Where Optimal Transport Guided Unpaired Image-to-Image Translation
Meets Regularization by Enhancing [4.951748109810726]
正確な診断と自動解析のために、最適な網膜画像品質が義務付けられている。
そこで本研究では,低品質の網膜CFPを高画質のCFPにマッピングするための画像対画像変換手法を提案する。
統合されたフレームワークOTREを3つの公開網膜画像データセット上で検証した。
論文 参考訳（メタデータ） (2023-02-06T18:39:40Z) - An Annotation-free Restoration Network for Cataractous Fundus Images [33.05266438479094]
白内障眼底画像の可読性を改善するために復元アルゴリズムを開発した。
アノテーションの要件は、クリニックにおけるこれらのアルゴリズムの適用を制限する。
本稿では,無注釈で白内障の眼底画像(ArcNet)を復元するネットワークを提案する。
論文 参考訳（メタデータ） (2022-03-15T09:11:48Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳（メタデータ） (2021-10-06T08:10:28Z) - NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal [96.12120000492962]
網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
論文 参考訳（メタデータ） (2020-08-07T04:31:33Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z) - Dense Residual Network for Retinal Vessel Segmentation [8.778525346264466]
走査型レーザー眼鏡視下網膜像において,血管の分画を効果的に行う方法を提案する。
U-Net,「機能マップの再利用」,残差学習に触発され,DRNetと呼ばれる高密度残差ネットワーク構造を提案する。
本手法は,データ拡張を伴わずとも最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-04-07T20:42:13Z)
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。