Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

UOPSL : Apprentissage des sites de prédilection OCT non appariés pour l'amélioration du diagnostic par imagerie du fond d'œil

Created by
  • Haebom

Auteur

Zhihao Zhao, Yinzheng Zhao, Junjie Yang, Xiangtong Yao, Quanmin Liang, Daniel Zapp, Kai Huang, Nassir Navab, M. Ali Nasseri

Contour

Cet article présente une nouvelle approche pour relever les défis de l'acquisition d'images multimodales, malgré les progrès significatifs réalisés dans l'utilisation de l'imagerie médicale multimodale pour le diagnostic des maladies ophtalmiques. Plus précisément, pour remédier au déséquilibre entre les photographies du fond d'œil, relativement peu coûteuses et facilement disponibles, et les images OCT coûteuses, nous proposons un cadre multimodal non apparié, \UOPSL. UOPSL utilise les informations spatiales préalables (sites de prédilection) obtenues à partir des images OCT pour améliorer la reconnaissance des maladies à partir des images du fond d'œil. Grâce à l'apprentissage contrastif sur des images OCT et du fond d'œil non appariées à grande échelle, \UOPSL apprend les schémas de localisation des lésions dans l'espace latent OCT et utilise ces informations pour effectuer une classification des maladies uniquement sur les images du fond d'œil. Nous rapportons que notre approche surpasse les méthodes existantes sur neuf ensembles de données diversifiés englobant 28 catégories clés.

Takeaways, Limitations

•
Takeaways:
◦
Nous présentons un nouveau cadre multimodal non apparié qui résout efficacement le problème de déséquilibre modal entre les photographies du fond d'œil et les images OCT.
◦
Amélioration des performances de diagnostic des maladies basées sur la photographie du fond d'œil en utilisant les informations spatiales antérieures dans les images OCT.
◦
A démontré des performances supérieures par rapport aux méthodes existantes sur divers ensembles de données.
•
Limitations:
◦
Une vérification supplémentaire des performances de généralisation du cadre \UOPSL proposé est nécessaire.
◦
L’applicabilité et les limites pour diverses maladies ophtalmiques doivent être confirmées.
◦
Des analyses plus approfondies sont nécessaires sur la fiabilité et la précision des informations spatiales préalables extraites des images OCT.
◦
Applicabilité limitée aux petits ensembles de données en raison de la dépendance à de grands ensembles de données.
👍
Made with Slashpage