Automated analysis of diabetic retinopathy using vessel segmentation maps as inductive bias

要約

最近の研究では、深部血管複合体の血管変化をモニターすることで、糖尿病網膜症（DR）の早期診断が可能であることが示唆されている。本研究では、光干渉断層計（OCTA）画像に基づく自動DRグレーディングのための新しい方法を検討する。OCTA画像とその血管セグメンテーションを組み合わせ、病変のセグメンテーション、画質評価、DRグレーディングのためのタスク固有のネットワークへの入力として機能させる。このために、我々は合成OCTA画像を生成し、実際のOCTAデータに直接適用可能なセグメンテーションネットワークを訓練する。我々はMICCAI 2022のDR解析チャレンジ(DRAC)で我々のアプローチをテストする．実験では、提案手法はベースラインモデルと同等の性能を発揮する。

要約(オリジナル)

Recent studies suggest that early stages of diabetic retinopathy (DR) can be diagnosed by monitoring vascular changes in the deep vascular complex. In this work, we investigate a novel method for automated DR grading based on optical coherence tomography angiography (OCTA) images. Our work combines OCTA scans with their vessel segmentations, which then serve as inputs to task specific networks for lesion segmentation, image quality assessment and DR grading. For this, we generate synthetic OCTA images to train a segmentation network that can be directly applied on real OCTA data. We test our approach on MICCAI 2022’s DR analysis challenge (DRAC). In our experiments, the proposed method performs equally well as the baseline model.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL