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!!!
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 Orlando, Philipp Seeböck, Hrvoje Bogunović, Sophie Klimscha, Christoph Grechenig, Sebastian Waldstein, Bianca S. Gerendas, Ursula 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
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。
この記事に関するカテゴリー