論文の概要: Reconstruction of high-resolution 6x6-mm OCT angiograms using deep learning

• arxiv url: http://arxiv.org/abs/2004.08957v2
• Date: Tue, 9 Jun 2020 21:18:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:05:56.037614
• Title: Reconstruction of high-resolution 6x6-mm OCT angiograms using deep learning
• Title（参考訳）: 深層学習による高分解能6x6mm octアンギオグラムの再構成
• Authors: Min Gao, Yukun Guo, Tristan T. Hormel, Jiande Sun, Thomas Hwang and Yali Jia
• Abstract要約: そこで本研究では,6x6mmアンギオグラムを改良したHARNet(Deep-learning-based High- resolution angiogram reconstruction network)を提案する。 ネットワークは、同じ目の3x3mmと6x6mmの血管造影からのデータに基づいて訓練された。
• 参考スコア（独自算出の注目度）: 4.264995508148351
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Typical optical coherence tomographic angiography (OCTA) acquisition areas on commercial devices are 3x3- or 6x6-mm. Compared to 3x3-mm angiograms with proper sampling density, 6x6-mm angiograms have significantly lower scan quality, with reduced signal-to-noise ratio and worse shadow artifacts due to undersampling. Here, we propose a deep-learning-based high-resolution angiogram reconstruction network (HARNet) to generate enhanced 6x6-mm superficial vascular complex (SVC) angiograms. The network was trained on data from 3x3-mm and 6x6-mm angiograms from the same eyes. The reconstructed 6x6-mm angiograms have significantly lower noise intensity and better vascular connectivity than the original images. The algorithm did not generate false flow signal at the noise level presented by the original angiograms. The image enhancement produced by our algorithm may improve biomarker measurements and qualitative clinical assessment of 6x6-mm OCTA.
• Abstract（参考訳）: 一般的な光学コヒーレンス断層撮影領域は3x3-または6x6-mmである。 適切なサンプリング密度を持つ3x3mmアンギオグラムと比較すると,6x6mmアンギオグラムのスキャン品質は著しく低下し,信号対雑音比が低下し,アンダーサンプリングによる影アーチファクトが悪化した。 本稿では,6x6mm表面血管複合体(SVC)造影画像を生成するディープラーニングを用いた高分解能血管造影網(HARNet)を提案する。 ネットワークは、同じ目の3x3mmと6x6mmの血管造影からのデータに基づいて訓練された。 再構成された6x6mmアンギオグラムは、元の画像よりもノイズ強度が著しく低く血管接続性が良い。 このアルゴリズムは、元の血管造影で示されるノイズレベルにおいて、偽のフロー信号を生成しなかった。 本アルゴリズムはバイオマーカー測定と6x6-mm OCTAの定性的臨床評価を改善した。

関連論文リスト

• Freqformer: Frequency-Domain Transformer for 3-D Visualization and Quantification of Human Retinal Circulation [0.9487097819140653]
  Freqformerはトランスフォーマーベースのアーキテクチャで、単一のスキャンから人間の網膜循環を3Dで高解像度で可視化するように設計されている。 提案手法は,最先端の畳み込みニューラルネットワーク(CNN)およびトランスフォーマーモデルより優れる。 Freqformerは網膜循環の理解と特性を著しく改善し、潜在的な臨床応用を提供する。
  論文  参考訳（メタデータ） (2024-11-17T22:38:39Z)
• X-Recon: Learning-based Patient-specific High-Resolution CT Reconstruction from Orthogonal X-Ray Images [14.04604990570727]
  X-Reconは、左右胸部X線画像に基づく再構成ネットワークである。 PTX-Segはゼロショット気胸セグメンテーションアルゴリズムである。 再現度はピーク信号対雑音比を含むいくつかの指標で最先端の性能を達成した。
  論文  参考訳（メタデータ） (2024-07-22T03:55:36Z)
• Exploration of Multi-Scale Image Fusion Systems in Intelligent Medical Image Analysis [3.881664394416534]
  MRI画像上で脳腫瘍の自動分離を行う必要がある。 このプロジェクトは、U-Netに基づいたMRIアルゴリズムを構築することを目的としている。
  論文  参考訳（メタデータ） (2024-05-23T04:33:12Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• Interpolation of CT Projections by Exploiting Their Self-Similarity and Smoothness [6.891238879512674]
  提案アルゴリズムは, シングラムの自己相似性と滑らか性を利用する。 シミュレーションおよび実ctデータを用いた実験により,提案アルゴリズムを用いたシンノグラムにより,再構成画像の品質が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-03-05T22:41:25Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Cephalogram Synthesis and Landmark Detection in Dental Cone-Beam CT Systems [11.242436948609715]
  合成脳波画像のコントラストを高めるために,X線フィルムの非線形光学特性を利用したシグモノイド系強度変換を提案する。 低線量目的のために、2つのCBCTプロジェクションから直接2次元脳波を合成するために、画素対画素生成逆数ネットワーク (pix2pixGAN) を提案する。 合成脳波のランドマーク検出には,LeNet-5とResNet50の組み合わせを用いた効率的な自動ランドマーク検出法が提案されている。
  論文  参考訳（メタデータ） (2020-09-09T17:06:54Z)

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。