論文の概要: Augmenting Colonoscopy using Extended and Directional CycleGAN for Lossy
Image Translation
- arxiv url: http://arxiv.org/abs/2003.12473v3
- Date: Thu, 26 Aug 2021 09:31:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 05:31:05.471445
- Title: Augmenting Colonoscopy using Extended and Directional CycleGAN for Lossy
Image Translation
- Title（参考訳）: 拡張型および方向型 cyclegan を用いた大腸内視鏡の増悪による画像変換
- Authors: Shawn Mathew, Saad Nadeem, Sruti Kumari, Arie Kaufman
- Abstract要約: 光学的大腸内視鏡(OC)と仮想大腸内視鏡(VC)の非対像画像変換のための深層学習フレームワークであるExtended and Directional CycleGANを提案する。
本稿では, ファントム, テクスチャVC, 実ポリプおよび正常大腸ビデオのスケール一貫性深度推定結果について報告する。
また,3次元VCモデルで導入したバンプからのペンダンクおよび平らなポリプ合成について検討した。
- 参考スコア（独自算出の注目度）: 5.861206243996454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Colorectal cancer screening modalities, such as optical colonoscopy (OC) and
virtual colonoscopy (VC), are critical for diagnosing and ultimately removing
polyps (precursors of colon cancer). The non-invasive VC is normally used to
inspect a 3D reconstructed colon (from CT scans) for polyps and if found, the
OC procedure is performed to physically traverse the colon via endoscope and
remove these polyps. In this paper, we present a deep learning framework,
Extended and Directional CycleGAN, for lossy unpaired image-to-image
translation between OC and VC to augment OC video sequences with
scale-consistent depth information from VC, and augment VC with
patient-specific textures, color and specular highlights from OC (e.g, for
realistic polyp synthesis). Both OC and VC contain structural information, but
it is obscured in OC by additional patient-specific texture and specular
highlights, hence making the translation from OC to VC lossy. The existing
CycleGAN approaches do not handle lossy transformations. To address this
shortcoming, we introduce an extended cycle consistency loss, which compares
the geometric structures from OC in the VC domain. This loss removes the need
for the CycleGAN to embed OC information in the VC domain. To handle a stronger
removal of the textures and lighting, a Directional Discriminator is introduced
to differentiate the direction of translation (by creating paired information
for the discriminator), as opposed to the standard CycleGAN which is
direction-agnostic. Combining the extended cycle consistency loss and the
Directional Discriminator, we show state-of-the-art results on scale-consistent
depth inference for phantom, textured VC and for real polyp and normal colon
video sequences. We also present results for realistic pendunculated and flat
polyp synthesis from bumps introduced in 3D VC models. Code/models:
https://github.com/nadeemlab/CEP.
- Abstract（参考訳）: 大腸内視鏡(OC)や仮想大腸内視鏡(VC)などの大腸癌検診はポリープ(大腸癌の前駆体)の診断と除去に重要である。
非侵襲性VCは、通常、ポリープの3D再建結腸(CTスキャンから)を検査するために使用され、もし見つかったら、内視鏡で大腸を物理的に横切り、これらのポリープを除去するためにOC手順が実行される。
本稿では,患者固有のテクスチャ,色,特徴をOC(例えば,現実的なポリプ合成のための)のハイライトを付加したVCや,VCからのスケール一貫性のある深度情報を備えたOCビデオシーケンスを拡大するための,OCとVC間の未ペア画像変換のための深層学習フレームワークであるExtended and Directional CycleGANを提案する。
OCとVCは共に構造情報を含んでいるが、OCには追加の患者固有のテクスチャと特異なハイライトによって隠蔽され、OCからVCへの翻訳は失われる。
既存のcycleganアプローチは、損失のある変換を処理しない。
この欠点に対処するため,VC領域におけるOCの幾何構造と比較した拡張サイクル整合損失を導入する。
この損失により、CycleGANはVCドメインにOC情報を埋め込む必要がなくなる。
テクスチャと照明のより強力な除去に対処するため、方向に依存しない標準のCycleGANとは対照的に、(識別器のペア情報を作成することにより)翻訳方向を区別する指向性判別器を導入する。
拡張サイクル整合損失と指向性判別器を組み合わせることで,ファントム,テクスチャVC,および実ポリプおよび正常大腸ビデオシーケンスに対するスケール一貫性深度推定の最先端結果を示す。
また,3次元VCモデルで導入したバンプからのペンダンクおよび平らなポリプ合成について述べる。
コード/モデル:https://github.com/nadeemlab/CEP。
関連論文リスト
- Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳（メタデータ） (2023-01-12T09:53:57Z) - DilatedSegNet: A Deep Dilated Segmentation Network for Polyp
Segmentation [2.6179759969345002]
大腸癌は世界で2番目に多い死因である。
ディープラーニングを利用したコンピュータ支援診断システム(CAD)は、大腸内視鏡検査中に医師が見落としている大腸の領域を検出することができる。
高い精度とリアルタイム速度の欠如は、そのようなシステムの臨床的統合を成功させるために克服すべき重要な障害である。
論文 参考訳（メタデータ） (2022-10-24T20:36:30Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - CLTS-GAN: Color-Lighting-Texture-Specular Reflection Augmentation for
Colonoscopy [5.298287413134345]
CLTS-GANは、OCビデオフレームのための色、照明、テクスチャ、および仕様反射を細かく制御する新しいディープラーニングモデルである。
トレーニングデータに大腸内視鏡特異的な拡張を加えることで,最先端のポリープ検出/分離法が向上することを示す。
論文 参考訳（メタデータ） (2022-06-29T23:51:16Z) - Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral
Compressive Imaging [142.11622043078867]
圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。
HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
論文 参考訳（メタデータ） (2022-05-20T11:37:44Z) - Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。
提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
論文 参考訳（メタデータ） (2022-03-07T10:36:38Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳（メタデータ） (2021-10-17T09:31:20Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳（メタデータ） (2021-08-11T07:54:07Z) - Visualizing Missing Surfaces In Colonoscopy Videos using Shared Latent
Space Representations [6.187780920448871]
光学的大腸内視鏡(OC)は様々な要因により高いミス率を有する。
大腸内視鏡検査中にフレーム毎の欠落領域を可視化する枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-18T19:00:51Z) - Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。
現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。
大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2019-12-26T23:27:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。