DPLSeg:複数のOCTデバイスを介して網膜画像のための無監督の一般的なセグメンテーションモデル
Caiye Fan1, Huankai Yu2,3,4, Zuoping Tan1
1Wenzhou University of Technologyxs, Wenzhou, Zhejiang, China.
Biomedical optics express
|February 16, 2026
まとめ
この研究では,セグメンテーションのための二重レベルの擬似ラベル学習 (DPLSeg) が導入され,これは,光学相干性トモグラフィー画像における網膜層のセグメンテーションを改善する無監督モデルである. DPLSegは,精度とドメインの適応性を向上させ,病気の早期発見のための注釈の必要性を軽減します.
科学分野:
- オフタルモロジック (眼科)
- メディカルイマージング (医学イメージング)
- 人工知能 (AI) とは,人工知能 (AI) のことです.
背景:
- 近視や糖尿病性網膜症などの網膜疾患の早期発見は極めて重要です.
- 光学一貫性トモグラフィ (OCT) 画像における網膜層の正確なセグメンテーションは,診断に不可欠です.
- 現在のディープラーニングモデルは,ドメインのシフトと高いアノテーションコストに苦しんでいます.
研究 の 目的:
- 網膜層の正確なセグメンテーションのための無監督のディープラーニングモデルを開発する.
- 異なるOCTデバイスにおけるモデルの汎用性を改善し,注釈依存度を減らす.
- 改善されたOCT画像分析を通じて網膜疾患の早期発見を強化する.
主な方法:
- セグメンテーションのための提案された二重レベルの擬似ラベル学習 (DPLSeg).
- 機能表現とドメインの適応性を強化するために,階層的なトランスフォーマーエンコーダーを組み込みました.
- アノテーションの要件を最小限にするために,無監督学習戦略を使用しました.
主要な成果:
- DPLSegは,3つのデバイスから850枚のOCT画像で79.9%の平均交差点 (mIoU) を達成しました.
- ディープラボ (75.2% mIoU) やDAFormerなどの既存のモデルを上回った.
- 監督された方法と比較して,注釈の必要性が80%減少しました.
結論:
- DPLSegは,OCT画像における網膜層のセグメンテーションのための堅牢で正確なソリューションを提供します.
- このモデルは,多端末データによって引き起こされる課題に対処するために,強力なドメイン適応性を実証しています.
- DPLSegは,臨床診断と網膜疾患の早期発見のためのスケーラブルで費用対効果の高いツールを提供します.
