論文の概要: A Learning-from-noise Dilated Wide Activation Network for denoising Arterial Spin Labeling (ASL) Perfusion Images

• arxiv url: http://arxiv.org/abs/2005.07784v1
• Date: Fri, 15 May 2020 21:05:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 23:02:25.089482
• Title: A Learning-from-noise Dilated Wide Activation Network for denoising Arterial Spin Labeling (ASL) Perfusion Images
• Title（参考訳）: 動脈内スピンラベリング(asl)灌流画像の脱ノイズ化のための拡張広帯域アクティベーションネットワーク
• Authors: Danfeng Xie, Yiran Li, Hanlu Yang, Li Bai, Lei Zhang, Ze Wang
• Abstract要約: 動脈スピンラベリング(ASL)灌流MRIは非侵襲的脳血流定量法(CBF)を提供する 依然として低信号対雑音比 (SNR) に悩まされている。
• 参考スコア（独自算出の注目度）: 16.455202025068747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Arterial spin labeling (ASL) perfusion MRI provides a non-invasive way to quantify cerebral blood flow (CBF) but it still suffers from a low signal-to-noise-ratio (SNR). Using deep machine learning (DL), several groups have shown encouraging denoising results. Interestingly, the improvement was obtained when the deep neural network was trained using noise-contaminated surrogate reference because of the lack of golden standard high quality ASL CBF images. More strikingly, the output of these DL ASL networks (ASLDN) showed even higher SNR than the surrogate reference. This phenomenon indicates a learning-from-noise capability of deep networks for ASL CBF image denoising, which can be further enhanced by network optimization. In this study, we proposed a new ASLDN to test whether similar or even better ASL CBF image quality can be achieved in the case of highly noisy training reference. Different experiments were performed to validate the learning-from-noise hypothesis. The results showed that the learning-from-noise strategy produced better output quality than ASLDN trained with relatively high SNR reference.
• Abstract（参考訳）: 動脈スピンラベリング(ASL)灌流MRIは非侵襲的脳血流定量法(CBF)を提供するが、それでも低信号-雑音比(SNR)に悩まされている。 深層機械学習(DL)を用いて、いくつかのグループがより奨励的な評価結果を示している。 興味深いことに、高画質asl cbf画像の欠如により、ノイズ汚染サーロゲート参照を用いたディープニューラルネットワークの訓練により、改善が得られた。 さらに、これらのDL ASLネットワーク(ASLDN)の出力は、サロゲート参照よりも高いSNRを示した。 この現象は, ASL CBF画像デノナイズのためのディープネットワークの学習学習能力を示し, ネットワーク最適化によりさらに拡張可能である。 本研究では,asl cbf画像品質が高騒音トレーニング基準で達成可能かどうかをテストするための新しいasldnを提案する。 雑音からの学習仮説を検証するために異なる実験を行った。 その結果, 比較的高いSNR基準で学習したASLDNよりも, 高い出力品質が得られることがわかった。

関連論文リスト

• 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)
• QS-ADN: Quasi-Supervised Artifact Disentanglement Network for Low-Dose CT Image Denoising by Local Similarity Among Unpaired Data [10.745277107045949]
  本稿では,LDCT画像復調のためのADNの強化を目的とした,準教師付き学習と呼ばれる新しい学習モードを提案する。 提案手法は、教師付き学習モードやセミ教師付き学習モードとは(互換性はあるが)異なるものであり、既存のネットワークを変更することで容易に実装できる。 実験結果から,本手法は騒音抑制法や文脈忠実度の観点から,最先端の手法と競合することが示された。
  論文  参考訳（メタデータ） (2023-02-08T07:19:13Z)
• 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)
• A Noise-level-aware Framework for PET Image Denoising [8.496668861245897]
  PETでは、異なる身体領域に存在する相対的(信号依存)ノイズの量は著しく異なる。 現在の深層学習に基づくPET画像復調法は、画像の外観のみに基づいて主に訓練されている。 ローカルノイズレベルをDCNNに埋め込むことのできる雑音レベル認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-15T16:15:24Z)
• 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)
• Two-Stage Self-Supervised Cycle-Consistency Network for Reconstruction of Thin-Slice MR Images [62.4428833931443]
  太いスライス磁気共鳴(MR)画像は、しばしば冠状および矢状視で構造的にぼやけている。 深層学習は、これらの低分解能(LR)症例から高分解能(HR)薄膜MR画像を再構築する大きな可能性を示している。 MRスライス再構成のための2段階自己監督型サイクル一貫性ネットワーク(TSCNet)を提案する。
  論文  参考訳（メタデータ） (2021-06-29T13:29:18Z)
• Deep High-Resolution Network for Low Dose X-ray CT Denoising [1.1852406625172216]
  深層学習技術は低線量CT法(LDCT)に用いられている。 DLデノ化画像の解像度が損なわれ、臨床価値は低下している。 高分解能ネットワーク(HRNet)を導入して,より効率的なデノイザを開発した。
  論文  参考訳（メタデータ） (2021-02-01T02:54:29Z)
• Super Resolution of Arterial Spin Labeling MR Imaging Using Unsupervised Multi-Scale Generative Adversarial Network [9.506036365253184]
  動脈スピンラベリング(ASL)磁気共鳴イメージング(MRI)は、脳血流(CBF)を定量的に測定できる強力なイメージング技術である。 本稿では,教師なし学習によるGAN(Multi-scale Generative Adversarial Network)に基づく超解像法を提案する。
  論文  参考訳（メタデータ） (2020-09-14T01:05:54Z)
• Unpaired Learning of Deep Image Denoising [80.34135728841382]
  本稿では,自己指導型学習と知識蒸留を取り入れた2段階の手法を提案する。 自己教師型学習では,実雑音の画像のみから視覚を学習するための拡張型盲点ネットワーク(D-BSN)を提案する。 実験の結果,本手法は合成ノイズ画像と実世界のノイズ画像の両方で良好に機能することがわかった。
  論文  参考訳（メタデータ） (2020-08-31T16:22:40Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)
• AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning [112.95742995816367]
  FSFSLと呼ばれる新しい数発のスナップショット・ラーニング・セッティングを提案する。 FSFSLでは、ソースクラスとターゲットクラスの両方に限られたトレーニングサンプルがある。 また,無関係な画像を削除するためのグラフ畳み込みネットワーク (GCN) ベースのラベルデノイング (LDN) 手法を提案する。
  論文  参考訳（メタデータ） (2020-02-28T10:34:36Z)

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。