Core Concepts
解剖学的条件付けを用いることで、非対応画像変換の際のセマンティック一貫性を維持し、ターゲット分布との類似性を高めることができる。これにより、異なるOCTデバイスで撮影された画像の生物マーカーの自動セグメンテーションが改善される。
Abstract
本研究では、光学コヒーレンストモグラフィー(OCT)画像の異なるデバイス間の画像変換問題に取り組んでいる。OCT画像は撮影デバイスによって大きく異なる表現となるため、非対応画像変換が必要となる。従来の手法では、セマンティック一貫性が失われる問題があった。
本手法では、セグメンテーションデコーダを追加することで、スタイルデコーダに解剖学的情報を提供し、セマンティック一貫性を維持しつつ、ターゲット分布との類似性を高めている。これにより、異なるOCTデバイスで撮影された画像のバイオマーカーセグメンテーションが改善された。
具体的には以下の通り:
非対応画像変換手法であるCUTにセグメンテーションデコーダを追加したACCUTを提案
セグメンテーションデコーダの情報をスタイルデコーダに提供することで、セマンティック一貫性を維持
提案手法により、Home-OCT画像でのバイオマーカーセグメンテーションが改善
提案手法はターゲット分布との類似性も高めることができる
本手法は、異なるOCTデバイスで撮影された画像の統一的な分析や、疾患の経過観察に貢献できる。
Stats
Spectralis-OCTとHome-OCTの画像を用いた実験では、提案手法ACCUTsが最も高い平均Dice係数(60%)を達成した。一方、セグメンテーションデコーダをターゲット画像にのみ適用したACCUTtは53%と低い結果となった。