網膜画像における異常検出のためのP-Netによる構造-テクスチャ関係の符号化【JST・京大機械翻訳】

Zhou Kang; Xiao Yuting; Yang Jianlong; Cheng Jun; Liu Wen; Luo Weixin; Gu Zaiwang; Liu Jiang; Gao Shenghua

プレプリント

J-GLOBAL ID：202202209158341957 整理番号：22P0179726

網膜画像における異常検出のためのP-Netによる構造-テクスチャ関係の符号化【JST・京大機械翻訳】

Encoding Structure-Texture Relation with P-Net for Anomaly Detection in Retinal Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2020年08月08日プレプリントサーバーでの情報更新日： 2020年08月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

網膜画像における異常検出は,訓練相における正常画像のみによる,様々な網膜疾患/病変に起因する異常の同定に言及する。健常被験者からの正常画像は,しばしば規則的構造(例えば,眼底画像における構造化血管または光コヒーレンストモグラフィー画像における構造化解剖)を有する。反対に,疾患と病変は,しばしばこれらの構造を破壊する。これに動機づけられて,異常検出のための深いニューラルネットワークを設計するために,画像テクスチャと構造の間の関係を活用することを提案する。具体的には,最初に網膜画像の構造を抽出し,次に,元の入力健康画像を再構成するために,元の健康画像から抽出した構造特徴と最後の層特徴の両方を結合した。画像特徴はテクスチャ情報を提供し,構造から回復した画像の一意性を保証する。最後に,再構成画像を利用して,構造を抽出し,オリジナルおよび再構成画像から抽出した構造間の差を測定した。一方では,再構成差の最小化は,画像が再構成されたことを保証するために,正則化器のように振舞う。一方,このような構造差は,正規性測定の計量としても使用できる。RESCデータセットとiSeeデータセットに関する拡張実験が,網膜画像における異常検出に対する著者らのアプローチの有効性を検証するので,全体のネットワークをP-Netとして呼んだ,そして,著者らの方式は,さらに,網膜画像における新規クラス発見と実世界画像における異常検出に,よく一般化する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

眼の診断 , 医用画像処理

, , ,

前のページに戻る