最新AI論文をキャッチアップ

不確実性フィードバックを備えたベイズ深層学習で手動の検査/修正が必要な可能性のある領域を強調!!!

不確実性フィードバックを備えたベイズ深層学習で手動の検査/修正が必要な可能性のある領域を強調!!!

画像認識

3つの要点
✔️ 病理的OCTスキャンにおける光受容体細胞のセグメンテーションのための初のディープラーニングアプローチ
✔️ 
不確かさの推定値とセグメンテーション性能には相関がある  
✔️ 認識の不確実性を利用して、結果の品質を評価し、手動での修正が必要な領域を特定することが可能

U2-Net: A Bayesian U-Net model with epistemic uncertainty feedback for photoreceptor layer segmentation in pathological OCT scans
written by José Ignacio OrlandoPhilipp SeeböckHrvoje BogunovićSophie KlimschaChristoph GrechenigSebastian WaldsteinBianca S. GerendasUrsula Schmidt-Erfurth
(Submitted on 23 Jan 2019 (v1), last revised 11 Oct 2019 (this version, v2))

Comments: Published by ISBI 2019
Subjects: Computer Vision and Pattern Recognition (cs.CV)

はじめに

OCTスキャンとは?

光干渉断層計(OCT)は,現在眼科で臨床診断と治療計画に広く使用されている3Dの最先端の医療用の画像診断機器です.OCTは,視神経帯の外側の境界と網膜色素上皮(RPE)の内側の境界の間にある,過反射帯と反射低下帯のある層状構造として表示されます.OCTを使うことで,光受容体細胞(図1緑部)に異常がないかを視覚的に評価できます.臨床応用では、光受容体層の特性を定量化することで大きなメリットがあります.加齢黄斑変性 (AMD),網膜静脈閉塞 (RVO),糖尿病性黄斑浮腫 (DME) は,世界の視覚障害,視力低下の主要な原因で,これらは,光受容体細胞が死ぬことによっておこります.

図1.OCTイメージングで観察される光受容体細胞層(緑色部分)

続きを読むには

(3375文字画像7枚)

AI-SCHOLARに
登録いただく必要があります。

1分で無料で簡単登録する

または
高松 真 avatar
現在,情報工学を専攻している大学院生です.コンピュータービジョンやDeep Learningを研究していますが,テクノロジーXヘルスケアに大きな興味を持っており,私の興味があなたの役に立つ記事になるよう発信していきます.twitterの方でも発信しております.フォローよろしくお願いします.

記事の内容等について改善箇所などございましたら、
お問い合わせフォームよりAI-SCHOLAR編集部の方にご連絡を頂けますと幸いです。
どうぞよろしくお願いします。

お問い合わせする