ネストされた放射状単調な極座標占有推定：緑内障スクリーニングのための臨床に根ざした視神経乳頭および陥凹のセグメンテーション

Abstract

健康診断における緑内障スクリーニングでは、眼底写真から視神経乳頭（OD）および視神経乳頭カップ（OC）を妥当に分割することが不可欠です。残念ながら、既存の深層学習手法では、星状凸性（star-convexity）やOD/OCの階層化された構造（nested structure）など、臨床的妥当性が保証されません。その結果、特にデータセット間のドメインシフト下では診断指標が損なわれます。本論文ではこの問題に対し、NPS-Net（Nested Polar Shape Network）を提案します。これは、OD/OCの分割を、階層化された放射方向単調な極座標占有（nested radially monotone polar occupancy estimation）として定式化する、最初の枠組みです。この出力表現は、上記の臨床的妥当性を保証でき、高い精度も達成します。7つの公開データセットで評価したところ、NPS-Netは強力なゼロショット汎化を示しました。RIM-ONEでは、100%の解剖学的妥当性を維持し、最良のベースラインに比べてCup Diceを絶対値で12.8%改善し、vCDR MAEを56%以上低減しました。PAPILAでは、Disc Diceが0.9438、Disc HD95が2.78 pxであり、最良の競合手法に対して83%の削減を達成しています。