In this new method, she combined unsupervised and supervised machine learning technology to process multi-contrast three-dimensional tomography of human optic nerve head. The unsupervised method automatically groups the pixels of multi-contrast tomography based on its optical properties. And this pixel groups are used to train the subsequent supervised tissue classifier algorithm. The train classifier finally successfully highlights (segments) the beam-structure in the lamina cribrosa. So, finally, this fine segmentation was performed without manual supervision.
The details of this research is reported in Biomedical Optics Express.
>> Full length article (open access).
D. Kasaragod, S. Makita, Y.-J. Hong, and Y. Yasuno, ``Machine-learning based segmentation of the optic nerve head using multi-contrast Jones matrix optical coherence tomography with semi-automatic training dataset generation,'' Biomed. Opt. Express 9, 3220-3243 (2018).
私達の研究グループの Deepa Kasaragod 研究員が視神経乳頭のOCT画像の微小な組織を自動抽出する手法を開発しました。この手法は、Jones matrix OCT と呼ばれるそうちで得られる、組織の様々な光学特性を表す複数のトモグラフィーの情報と機械学習手法を組み合わせることで特定の組織部位を自動抽出するものです。今回の手法では、まず、「教師なし学習法」と呼ばれるアルゴリズムでトモグラフィー内のピクセルそれぞれを、それぞれ異なった組織によりわけます。そして、そのよりわけた結果を参考データとして、「教師なし学習」とよばれるアルゴリズムで「組織弁別器」と呼ばれるプログラムを自動最適化します。最終的に、この最適化された組織弁別器を用いて、視神経乳頭のなかにある篩状板、特にその中のビームと呼ばれる微小構造を自動抽出することに成功しました。
この技術の詳細は、アメリカ光学会発行の Biomedical Optics Express 誌に掲載されました。
>> Full length article (open access).
D. Kasaragod, S. Makita, Y.-J. Hong, and Y. Yasuno, ``Machine-learning based segmentation of the optic nerve head using multi-contrast Jones matrix optical coherence tomography with semi-automatic training dataset generation,'' Biomed. Opt. Express 9, 3220-3243 (2018).