検出フレームワークに基づく白内障手術のためのリアルタイム角膜画像セグメンテーション
Xueyi Shi1, Dexun Zhang1, Shenwen Liang2
1School of Life and Environmental Sciences, Guilin University of Electronic Technology, Guilin, China.
International journal of computer assisted radiology and surgery
|September 5, 2025
まとめ
EllipseNetは,白内障手術の迅速かつ正確なリアルタイム角膜セグメンテーションを提供し,ディープラーニングモデルに必要なアノテーションの労力を大幅に削減します. この革新は臨床適用性を向上させる.
科学分野:
- 眼科について
- 医療用イメージング
- コンピュータ・ビジョン
背景:
- 白内障の手術は 世界的に広く行われています
- 角膜と外科器具の正確なリアルタイムセグメンテーションは,手術中の指導と外科教育に不可欠です.
- 現在のディープラーニングのセグメント化方法は,多くの場合ピクセルレベルのアノテーションを必要とし,実用的な使用を妨げています.
研究 の 目的:
- 角膜のセグメンテーションをリアルタイムで行うための効率的なフレームワークであるEllipseNetを導入する.
- 伝統的なピクセルレベルのアノテーション技術と比較してアノテーションの作業量を減らす方法を開発する.
- 角膜のセグメンテーションを より速く,より正確に 臨床用に使えるようにするためです
主な方法:
- 角膜セグメンテーションのための円ベースのモデリングを使用するアンカーフリーフレームワークであるEllipseNetを開発しました.
- 特徴の抽出のために Hourglass ネットワークを利用した.
- 角膜の形状を正確に一致させるための円のパラメータの自律的な推論を可能にする単純な長方形の境界欄の注釈を使用しています.
主要な成果:
- リアルタイムのパフォーマンスを達成し,画像を42ミリ秒以内にセグメント化します.
- 95.81%の高いサイズの精度を達成しました.
- 最先端のモデルの3倍近く高速で 比較可能な精度を維持しています
結論:
- EllipseNetは,迅速で正確なリアルタイムの角膜セグメンテーションを提供し,アノテーションの作業量を大幅に削減します.
- フレームワークはセグメンテーションパイプラインを簡素化し,それによって臨床採用の障壁を下げます.
- 公開されたソースコードはさらなる研究と開発を容易にする.
