文献

J-GLOBAL ID：202002242537799090   整理番号：20A2146989

漏れ検出のための眼底蛍光血管造影画像合成への教師なし敵対学習アプローチ【JST・京大機械翻訳】

An Unsupervised Adversarial Learning Approach to Fundus Fluorescein Angiography Image Synthesis for Leakage Detection

著者 (17件)： Li Wanyue (Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China) ,  Li Wanyue (Jiangsu Key Laboratory of Medical Optics, Suzhou, China) ,  Li Wanyue (University of Science and Technology of China, Hefei, China) ,  He Yi (Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China) ,  He Yi (Jiangsu Key Laboratory of Medical Optics, Suzhou, China) ,  Wang Jing (Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China) ,  Wang Jing (Jiangsu Key Laboratory of Medical Optics, Suzhou, China) ,  Wang Jing (University of Science and Technology of China, Hefei, China) ,  Kong Wen (Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China) ,  Kong Wen (Jiangsu Key Laboratory of Medical Optics, Suzhou, China) ,  Kong Wen (University of Science and Technology of China, Hefei, China) ,  Chen Yiwei (Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China) ,  Chen Yiwei (Jiangsu Key Laboratory of Medical Optics, Suzhou, China) ,  Shi GuoHua (Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China) ,  Shi GuoHua (Jiangsu Key Laboratory of Medical Optics, Suzhou, China) ,  Shi GuoHua (University of Science and Technology of China, Hefei, China) ,  Shi GuoHua (Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12417  ページ： 142-152  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 眼底フルオレセイン血管造影(FA)画像における高強度網膜漏出の検出は,網膜関連疾患診断および治療のための重要なステップである。本研究では,手動アノテーションを必要とせずに漏洩検出結果を与える教師なし学習ベースフルオレセイン漏洩検出法を提案した。本方法において,入力異常FA画像からの正常監視FA画像を生成することができるモデルを訓練した。そして,次に,漏れは,異常と発生した正常画像の間の差異を作ることによって検出することができた。提案した方法を公的に利用可能なデータセットで検証し,最先端の漏洩検出法と定性的および定量的に比較した。比較結果は,提案方法が漏れ検出においてより高い精度を有して,非常に短時間(1s)で画像を検出することができて,それは臨床診断のために大きな潜在的重要性を有することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 網膜 ,  *学習 ,  教師なし学習 ,  検出法 ,  *眼底 ,  *画像合成 ,  *血管造影 ,  アノテーション
準シソーラス用語： 臨床診断 , 【Automatic Indexing@JST】

著者キーワード (3件)： 眼底蛍光眼底造影 ,  教師なし学習 ,  漏れ検出

分類 (1件)： 眼の診断  (GP02000N)

タイトルに関連する用語 (7件)： 漏れ ,  眼底 ,  蛍光血管造影 ,  画像合成 ,  教師 ,  敵対 ,  学習