GrInAdapt: Scaling Retinal Vessel Structural Map Segmentation Through Grounding, Integrating and Adapting Multi-device, Multi-site, and Multi-modal Fundus Domains
Created by
Haebom
Category
Empty
저자
Zixuan Liu, Aaron Honjaya, Yuekai Xu, Yi Zhang, Hefu Pan, Xin Wang, Linda G Shapiro, Sheng Wang, Ruikang K Wang
개요
본 논문에서는 안저 광간섭단층촬영 혈관조영술(OCTA) 영상의 망막 혈관 분할을 위한 새로운 소스-프리 다중 타겟 도메인 적응 프레임워크인 GrInAdapt를 제안합니다. GrInAdapt는 다중 뷰 이미지를 활용하여 분할 라벨을 개선하고 모델의 일반화 성능을 향상시키는 세 단계 접근 방식(등록을 통한 공통 기준 공간으로의 이미지 접지, 다중 뷰 예측 통합을 통한 라벨 합의 개선, 다양한 타겟 도메인에 대한 소스 모델 적응)을 따릅니다. 색 안저 사진과 같은 보조 모달리티를 통합하여 강력한 혈관 분할을 위한 보완적인 단서를 제공할 수 있는 유연성도 갖추고 있습니다. 다중 장치, 다중 사이트 및 다중 모달리티 망막 데이터 세트에 대한 광범위한 실험을 통해 GrInAdapt가 기존 도메인 적응 방법보다 뛰어난 분할 정확도와 강력성을 달성함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
다중 뷰 이미지와 보조 모달리티를 활용하여 망막 혈관 분할의 정확도와 강건성을 향상시키는 새로운 방법 제시.
◦
소스-프리 다중 타겟 도메인 적응을 통해 다양한 영상 장비, 해상도 및 해부학적 영역에서의 일반화 성능 향상.
