網膜血管分離におけるデータ拡張の限界を探る

網膜血管のセグメンテーションは、さまざまな疾患の診断において重要である。これまでの網膜血管セグメンテーションに関する研究は、主にU-Netアーキテクチャに基づくセグメンテーションモデルの性能向上に注力している。本研究では、U-Netアーキテクチャを採用するとともに、より高い性能を達成するため、重度のデータ拡張を活用している。このデータ拡張の成功は、入力画像の問題を適切に解決することにかかっている。入力画像を詳細に分析し、それに応じた適切な拡張手法を実施することで、U-Netモデルの性能が顕著に向上することを示した。得られた結果は、最も広く用いられている網膜画像データセットであるDRIVEを用いて報告している。