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

要約

最近の研究では、糖尿病性網膜症 (DR) の初期段階は、深部血管複合体における血管の変化を監視することで診断できることが示唆されています。
この作業では、光コヒーレンストモグラフィー血管造影 (OCTA) 画像に基づいて自動化された DR グレーディングの新しい方法を調査します。
私たちの仕事は、OCTA スキャンとその血管セグメンテーションを組み合わせたもので、病変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します。
このために、合成 OCTA 画像を生成して、実際の OCTA データに直接適用できるセグメンテーション ネットワークをトレーニングします。
MICCAI 2022 の DR 分析チャレンジ (DRAC) でアプローチをテストします。
私たちの実験では、提案された方法はベースラインモデルと同等にうまく機能します。

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, Google