OTRE: Where Optimal Transport Guided Unpaired Image-to-Image Translation Meets Regularization by Enhancing

要約

無散瞳眼底撮影（CFP）は、瞳孔散大を必要としない利点から広く普及しているが、撮影者、体質、患者側の原因により画質が低下することがある。しかし、網膜の画質が悪いと、診断や自動解析に支障をきたします。本論文では、Optimal Transport (OT) 理論を活用し、低画質の網膜CFPを高画質に変換するための非対称画像間変換方式を提案します。さらに、我々の画像補正パイプラインの柔軟性、堅牢性、臨床への適用性を向上させるため、OT誘導型画像間変換ネットワークで学習した事前分布をプラグインすることにより、最新のモデルベース画像再構成法であるノイズ除去による正則化を一般化しました。これをRE(regularization by enhancing)と名付けた。我々は、一般に公開されている3つの網膜画像データセットにおいて、拡張後の品質と、糖尿病網膜症の等級付け、血管セグメンテーション、糖尿病病病変セグメンテーションなどの様々な下流タスクにおける性能を評価し、統合フレームワークOTREの妥当性を検証した。その結果、提案するフレームワークが、教師なし手法の競合や教師あり手法の競合に対して優位性を持つことが実証された。

要約(オリジナル)

Non-mydriatic retinal color fundus photography (CFP) is widely available due to the advantage of not requiring pupillary dilation, however, is prone to poor quality due to operators, systemic imperfections, or patient-related causes. Optimal retinal image quality is mandated for accurate medical diagnoses and automated analyses. Herein, we leveraged the Optimal Transport (OT) theory to propose an unpaired image-to-image translation scheme for mapping low-quality retinal CFPs to high-quality counterparts. Furthermore, to improve the flexibility, robustness, and applicability of our image enhancement pipeline in the clinical practice, we generalized a state-of-the-art model-based image reconstruction method, regularization by denoising, by plugging in priors learned by our OT-guided image-to-image translation network. We named it as regularization by enhancing (RE). We validated the integrated framework, OTRE, on three publicly available retinal image datasets by assessing the quality after enhancement and their performance on various downstream tasks, including diabetic retinopathy grading, vessel segmentation, and diabetic lesion segmentation. The experimental results demonstrated the superiority of our proposed framework over some state-of-the-art unsupervised competitors and a state-of-the-art supervised method.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL