Unsupervised training of keypoint-agnostic descriptors for flexible retinal image registration

要約

現在のカラー眼底画像登録手法は、特に、ラベル付けされたデータの欠如によって制限されている。そこで本研究では、キーポイント検出に依存しない新しい教師なし記述子学習法を開発する。これにより、得られる記述子ネットワークは、登録推論時に使用されるキーポイント検出器に依存しない。 この手法を検証するために、参考となる公開網膜画像登録データセット上で広範かつ包括的な比較を行う。さらに、様々な性質の複数のキーポイント検出器を用いて本手法をテストし、いくつかの新規なものも提案する。その結果、提案手法は正確なレジストレーションを提供し、教師あり手法に対して性能の損失を生じないことが実証された。さらに、使用するキーポイント検出器に関わらず、正確な性能を示す。従って、本研究は、医療領域における教師なし学習の活用に向けた注目すべき一歩である。

要約(オリジナル)

Current color fundus image registration approaches are limited, among other things, by the lack of labeled data, which is even more significant in the medical domain, motivating the use of unsupervised learning. Therefore, in this work, we develop a novel unsupervised descriptor learning method that does not rely on keypoint detection. This enables the resulting descriptor network to be agnostic to the keypoint detector used during the registration inference. To validate this approach, we perform an extensive and comprehensive comparison on the reference public retinal image registration dataset. Additionally, we test our method with multiple keypoint detectors of varied nature, even proposing some novel ones. Our results demonstrate that the proposed approach offers accurate registration, not incurring in any performance loss versus supervised methods. Additionally, it demonstrates accurate performance regardless of the keypoint detector used. Thus, this work represents a notable step towards leveraging unsupervised learning in the medical domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL