論文の概要: A Parallel Hybrid Technique for Multi-Noise Removal from Grayscale Medical Images

• arxiv url: http://arxiv.org/abs/2005.05371v1
• Date: Mon, 6 Apr 2020 23:01:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 07:11:26.958112
• Title: A Parallel Hybrid Technique for Multi-Noise Removal from Grayscale Medical Images
• Title（参考訳）: グレースケール医用画像からのマルチノイズ除去のための並列ハイブリッド手法
• Authors: Nora Youssef, Abeer M. Mahmoud and El-Sayed M. El-Horbaty
• Abstract要約: 本稿では,グレースケール医用画像復調のための並列ハイブリッドフィルタの実装について述べる。 この実装は2.5MBのイメージでテストされ、2、4、8のパーティションに分けられる。 アルゴリズムのスピードアップと効率を計算し、測定されたエンハンスメントを示す。
• 参考スコア（独自算出の注目度）: 0.8594140167290099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical imaging is the technique used to create images of the human body or parts of it for clinical purposes. Medical images always have large sizes and they are commonly corrupted by single or multiple noise type at the same time, due to various reasons, these two reasons are the triggers for moving toward parallel image processing to find alternatives of image de-noising techniques. This paper presents a parallel hybrid filter implementation for gray scale medical image de-noising. The hybridization is between adaptive median and wiener filters. Parallelization is implemented on the adaptive median filter to overcome the latency of neighborhood operation, parfor implicit parallelism powered by MatLab 2013a is used. The implementation is tested on an image of 2.5 MB size, which is divided into 2, 4 and 8 partitions; a comparison between the proposed implementation and sequential implementation is given, in terms of time. Thus, each case has the best time when assigned to number of threads equal to the number of its partitions. Moreover, Speed up and efficiency are calculated for the algorithm and they show a measured enhancement.
• Abstract（参考訳）: 医用イメージングは、臨床目的のために人体やその一部の画像を作成するために用いられる技術である。 医用画像はサイズが大きめで、単一のノイズタイプや複数のノイズタイプが同時に破損することが多いが、様々な理由から、この2つの理由は、画像脱ノイズ手法の代替品を見つけるために並列画像処理へ移行するトリガーである。 本稿では,グレースケール医用画像デノージングのための並列ハイブリッドフィルタの実装を提案する。 このハイブリダイゼーションはadaptive medianとwiener filterの中間である。 適応型中央値フィルタに並列化を実装し,MateLab 2013a を用いた暗黙的並列化を実現する。 2.5MBの画像を2,4,8分割に分割し,提案実装と逐次実装の比較を行った。 したがって、各ケースは、そのパーティションの数に等しいスレッドの数に割り当てられる最適な時間を持つ。 さらに,アルゴリズムの高速化と効率を計算し,測定された拡張性を示す。

関連論文リスト

• Accelerated Sub-Image Search For Variable-Size Patches Identification Based On Virtual Time Series Transformation And Segmentation [0.0]
  本論文は, 物体の所定の基準画像に対して, (i) 空中画像において特定される干し草ベールなどの固定サイズの物体と, (ii) スポットスプレーやハンドリングを必要とするフィールド上の領域などの可変サイズのパッチを, 所定の小型参照画像に対して画像中に識別する,という2つの課題に対処する。 類似のサブイメージの正確な数は、前兆とは知られていない。
  論文  参考訳（メタデータ） (2024-10-20T15:43:50Z)
• Dual Structure-Aware Image Filterings for Semi-supervised Medical Image Segmentation [11.663088388838073]
  半教師付き医用画像分割のための画像レベルのバリエーションとして,新しい二重構造対応画像フィルタリング(DSAIF)を提案する。 構造を意識したツリーベース画像表現において, 画像のフィルタリングを簡略化するコネクテッドフィルタリングにより, 二重コントラスト不変の Max-tree と Min-tree の表現を利用する。 提案したDSAIFを相互に教師付きネットワークに適用することにより、ラベルなし画像上の誤った予測のコンセンサスを減少させる。
  論文  参考訳（メタデータ） (2023-12-12T13:44:53Z)
• Multi-scale Transformer Network with Edge-aware Pre-training for Cross-Modality MR Image Synthesis [52.41439725865149]
  クロスモダリティ磁気共鳴(MR)画像合成は、与えられたモダリティから欠落するモダリティを生成するために用いられる。 既存の(教師付き学習)手法は、効果的な合成モデルを訓練するために、多くのペア化されたマルチモーダルデータを必要とすることが多い。 マルチスケールトランスフォーマーネットワーク(MT-Net)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T11:40:40Z)
• Direct Dense Pose Estimation [138.56533828316833]
  複雑な人間のポーズ推定は、RGB画像と人体の表面との密接な対応を学習する問題である。 従来より密集したポーズ推定手法は、すべてMask R-CNNフレームワークに基づいており、まず各人物のバウンディングボックスを識別しようとするトップダウン方式で動作している。 そこで我々は,DDP (Direct Dense Pose) という,高密度ポーズ推定問題の解法を提案する。
  論文  参考訳（メタデータ） (2022-04-04T06:14:38Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Unified Multivariate Gaussian Mixture for Efficient Neural Image Compression [151.3826781154146]
  先行変数と超優先度を持つ潜伏変数は、変動画像圧縮において重要な問題である。 ベクトル化された視点で潜伏変数を観察する際、相関関係や相関関係は存在する。 当社のモデルでは、速度歪曲性能が向上し、圧縮速度が3.18倍に向上した。
  論文  参考訳（メタデータ） (2022-03-21T11:44:17Z)
• Coupled Feature Learning for Multimodal Medical Image Fusion [42.23662451234756]
  マルチモーダル画像融合は、取得した画像と異なるセンサーの関連情報を組み合わせることを目指しています。 本稿では,結合辞書学習に基づく新しいマルチモーダル画像融合法を提案する。
  論文  参考訳（メタデータ） (2021-02-17T09:13:28Z)
• Combining Similarity and Adversarial Learning to Generate Visual Explanation: Application to Medical Image Classification [0.0]
  学習フレームワークを活用して視覚的説明法を作成する。 文献のメトリクスを用いることで,この手法は最先端のアプローチよりも優れています。 大規模な胸部X線データベース上でのアプローチを検証する。
  論文  参考訳（メタデータ） (2020-12-14T08:34:12Z)
• Exploiting Non-Local Priors via Self-Convolution For Highly-Efficient Image Restoration [36.22821902478044]
  画像の非局所的類似性を自己管理的に活用する新たな自己畳み込み演算子を提案する。 提案したSelf-Convolutionは、一般的に使われているブロックマッチングステップを一般化し、より安価な計算で等価な結果を生成することができる。 実験により、自己畳み込みは、人気のある非局所画像復元アルゴリズムの大部分を著しく高速化できることが示された。
  論文  参考訳（メタデータ） (2020-06-24T13:24:37Z)
• Locally Masked Convolution for Autoregressive Models [107.4635841204146]
  LMConvは標準的な2Dコンボリューションの簡単な修正であり、任意のマスクを画像の各位置の重みに適用することができる。 我々は,パラメータを共有するが生成順序が異なる分布推定器のアンサンブルを学習し,全画像密度推定の性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-22T17:59:07Z)
• Data Augmentation for Histopathological Images Based on Gaussian-Laplacian Pyramid Blending [59.91656519028334]
  データ不均衡は、機械学習(ML)アルゴリズムに影響を及ぼす主要な問題である。 本稿では、HIデータセットを増大させるだけでなく、患者間の変動を分散させる新しいアプローチを提案する。 BreakHisデータセットの実験結果から、文献で示されたDA手法の大多数は、有望な利得を示している。
  論文  参考訳（メタデータ） (2020-01-31T22:02:57Z)

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。