論文の概要: Deep Learning Improves Contrast in Low-Fluence Photoacoustic Imaging

• arxiv url: http://arxiv.org/abs/2004.08782v1
• Date: Sun, 19 Apr 2020 07:06:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:39:56.738230
• Title: Deep Learning Improves Contrast in Low-Fluence Photoacoustic Imaging
• Title（参考訳）: 深層学習による低流動光音響イメージングのコントラスト改善
• Authors: Ali Hariri, Kamran Alipour, Yash Mantri, Jurgen P. Schulze, and Jesse V. Jokerst
• Abstract要約: 低周波光源は、硬く、携帯性があり、安価で、安全であるため、光音響画像の臨床的遷移を促進することができる。 本稿では,マルチレベルウェーブレット畳み込みニューラルネットワークを用いて,低周波光源画像を対応する高周波励起マップにマッピングする方法を提案する。
• 参考スコア（独自算出の注目度）: 0.7046417074932257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low fluence illumination sources can facilitate clinical transition of photoacoustic imaging because they are rugged, portable, affordable, and safe. However, these sources also decrease image quality due to their low fluence. Here, we propose a denoising method using a multi-level wavelet-convolutional neural network to map low fluence illumination source images to its corresponding high fluence excitation map. Quantitative and qualitative results show a significant potential to remove the background noise and preserve the structures of target. Substantial improvements up to 2.20, 2.25, and 4.3-fold for PSNR, SSIM, and CNR metrics were observed, respectively. We also observed enhanced contrast (up to 1.76-fold) in an in vivo application using our proposed methods. We suggest that this tool can improve the value of such sources in photoacoustic imaging.
• Abstract（参考訳）: 低蛍光光源は、頑丈でポータブルで安価で安全であるため、光音響イメージングの臨床的移行を促進することができる。 しかし、これらの源は低蛍光性のため画質が低下する。 本稿では,マルチレベルウェーブレット畳み込みニューラルネットワークを用いて,低周波光源画像を対応する高周波励起マップにマッピングする方法を提案する。 定量的および定性的な結果は、背景雑音を除去し、標的の構造を保存する重要な可能性を示している。 また,PSNR,SSIM,CNRの2.20,2.25,4.3倍の経時的改善が観察された。 また,本手法を用いて生体内におけるコントラストの増強(最大1.76倍)を観察した。 本手法は,光音響イメージングにおけるそのような情報源の価値を向上できることを示唆する。

関連論文リスト

• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• Low-Light Enhancement in the Frequency Domain [24.195131201768096]
  低照度画像には、可視性、高密度ノイズ、偏光色がよく見られる。 周波数領域で学習した新しい残差多重ウェーブレット畳み込みニューラルネットワークR2-MWCNNを提案する。 このエンドツーエンドのトレーニング可能なネットワークは、マルチレベル離散ウェーブレット変換を使用して入力特徴写像を異なる周波数に分割し、より優れたノイズの影響をもたらす。
  論文  参考訳（メタデータ） (2023-06-29T08:39:34Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)
• Retinal OCT Denoising with Pseudo-Multimodal Fusion Network [0.41998444721319206]
  本稿では,単フレームノイズBスキャンと擬似モダリティからの情報を活用する学習手法を提案する。 本手法は, 網膜層間のコントラストを高めるとともに, 全体構造と微小血管を保存し, スペックルノイズを効果的に抑制することができる。
  論文  参考訳（メタデータ） (2021-07-09T08:00:20Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

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。