fulfulggg
commented
2 months ago @yukihiko-fuyuki が以下のラベルを提案し、適用しました：
- image-segmentation
- medical-imaging
- few-shot-learning
Open fulfulggg opened 2 months ago
fulfulggg
commented
2 months ago @yukihiko-fuyuki が以下のラベルを提案し、適用しました：
fulfulggg
commented
2 months ago この論文では、OCTA (光干渉断層血管撮影) 画像を用いて、網膜などの層状構造を持つ組織の血管を3次元的にセグメンテーション (領域分割) する新しい手法 SAM-OCTA2 を提案しています。
従来手法では、2次元画像でしかセグメンテーションできなかったため、3次元構造全体を捉えきれませんでした。そこで本研究では、Segment Anything Model (SAM) バージョン2 という高性能な画像セグメンテーションモデルを応用し、OCTA画像の層情報を考慮した3次元セグメンテーションを実現しました。
具体的な改良点:
結果:
結論:
SAM-OCTA2は、OCTA画像を用いた網膜血管の3次元セグメンテーションにおいて、高精度かつ効率的な手法であることが示されました。
タイトル: SAM-OCTA2: ファインチューニングされたSegment Anything Model 2を用いた層状OCTAセグメンテーション
リンク: https://arxiv.org/abs/2409.09286
概要:
光干渉断層血管撮影 (OCTA) サンプルの正確な分析には、指示されたターゲットのセグメンテーションが役立ちます。 既存のセグメンテーション手法は、通常、2D 投影ターゲットで実行されるため、3D ボリューム全体でセグメント化されたオブジェクトの分散を捉えることが困難です。 この制限に対処するために、低ランク適応技術を採用して、Segment Anything Model (SAM) バージョン 2 を微調整し、OCTA スキャン層シーケンス全体で指定されたオブジェクトの追跡とセグメンテーションを可能にします。 さらに、フレームシーケンスにおけるプロンプトポイント生成戦略と、網膜血管 (RV) 層マスクを取得するためのスパースアノテーション手法を提案します。 この手法は SAM-OCTA2 と呼ばれ、OCTA-500 データセットで実験が行われています。 通常の 2D en-face での黄斑無血管領域 (FAZ) のセグメンテーションにおいて最先端のパフォーマンスを実現し、スキャン層シーケンス全体で局所血管を効果的に追跡します。 コードは https://github.com/ShellRedia/SAM-OCTA2 で入手できます。