論文の概要: Photoacoustic Microscopy with Sparse Data Enabled by Convolutional
Neural Networks for Fast Imaging
- arxiv url: http://arxiv.org/abs/2006.04368v1
- Date: Mon, 8 Jun 2020 05:49:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 02:29:28.301283
- Title: Photoacoustic Microscopy with Sparse Data Enabled by Convolutional
Neural Networks for Fast Imaging
- Title(参考訳): 畳み込みニューラルネットワークを用いた光音響顕微鏡による高速イメージング
- Authors: Jiasheng Zhou, Da He, Xiaoyu Shang, Zhendong Guo, Sung-liang Chen,
Jiajia Luo
- Abstract要約: 光音響顕微鏡(PAM)は近年,バイオメディカルイメージング技術として期待されている。
サンプリング密度の低減は、画像品質の犠牲となる画像取得時間を自然に短縮することができる。
本稿では,畳み込みニューラルネットワーク(CNN)を用いたスパースPAM画像の品質向上手法を提案する。
- 参考スコア(独自算出の注目度): 0.9786690381850356
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Photoacoustic microscopy (PAM) has been a promising biomedical imaging
technology in recent years. However, the point-by-point scanning mechanism
results in low-speed imaging, which limits the application of PAM. Reducing
sampling density can naturally shorten image acquisition time, which is at the
cost of image quality. In this work, we propose a method using convolutional
neural networks (CNNs) to improve the quality of sparse PAM images, thereby
speeding up image acquisition while keeping good image quality. The CNN model
utilizes both squeeze-and-excitation blocks and residual blocks to achieve the
enhancement, which is a mapping from a 1/4 or 1/16 low-sampling sparse PAM
image to a latent fully-sampled image. The perceptual loss function is applied
to keep the fidelity of images. The model is mainly trained and validated on
PAM images of leaf veins. The experiments show the effectiveness of our
proposed method, which significantly outperforms existing methods
quantitatively and qualitatively. Our model is also tested using in vivo PAM
images of blood vessels of mouse ears and eyes. The results show that the model
can enhance the image quality of the sparse PAM image of blood vessels from
several aspects, which may help fast PAM and facilitate its clinical
applications.
- Abstract(参考訳): 光音響顕微鏡(PAM)は近年,バイオメディカルイメージング技術として期待されている。
しかし、ポイントバイポイント走査機構は、pamの適用を制限する低速イメージングに繋がる。
サンプリング密度の低減は、自然に画像取得時間を短縮できるため、画像品質のコストがかかる。
本研究では、畳み込みニューラルネットワーク(CNN)を用いて、スパースPAM画像の品質を向上し、良好な画質を維持しながら画像取得を高速化する手法を提案する。
CNNモデルは1/4または1/16の低サンプリングスパルスPAM画像から潜在完全サンプリング画像へのマッピングである圧縮励磁ブロックと残留ブロックの両方を利用して拡張を実現する。
画像の忠実性を維持するために知覚損失関数を適用する。
モデルは主に葉脈のpam画像で訓練され検証される。
提案手法の有効性を実証し,既存の手法を定量的かつ定性的に比較した。
また, マウス耳と眼の血管の生体内PAM画像を用いて実験を行った。
以上の結果から,このモデルは血管のスパースpam画像の画質を,いくつかの側面から向上させ,迅速なpamの確立と臨床応用の促進に寄与する可能性が示唆された。
関連論文リスト
- On the Foundation Model for Cardiac MRI Reconstruction [6.284878525302227]
本稿では,適応アンロール,チャネルシフト,パターンとコントラスト-プロンプト-UNetを用いた基礎モデルを提案する。
PCP-UNetは画像コントラストとサンプリングパターンプロンプトを備える。
論文 参考訳(メタデータ) (2024-11-15T18:15:56Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳(メタデータ) (2024-10-05T20:03:57Z) - Speeding up Photoacoustic Imaging using Diffusion Models [0.0]
光音響顕微鏡(PAM)は、光学的および音響的イメージングを統合し、組織内の光学吸収成分を検出するための浸透深度を向上させる。
レーザーパルス繰り返し速度による速度制限により、計算手法の潜在的な役割は、PAMイメージングの加速において強調される。
PAM画像の高速化に拡散モデルを用いた,新しい高適応DiffPamアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-14T11:34:27Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳(メタデータ) (2023-10-16T13:58:53Z) - 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) - Compressed Sensing for Photoacoustic Computed Tomography Using an
Untrained Neural Network [1.7237160821929758]
光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。
測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。
本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
論文 参考訳(メタデータ) (2021-05-29T09:01:58Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳(メタデータ) (2021-04-05T13:05:22Z) - Augmented Equivariant Attention Networks for Microscopy Image
Reconstruction [44.965820245167635]
高品質または高解像度の電子顕微鏡(EM)と蛍光顕微鏡(FM)の画像を取るのに時間がかかり、費用がかかる。
深層学習により、様々な種類の顕微鏡画像再構成のための画像から画像への変換タスクを実行できる。
本稿では,画像間の依存関係を捕捉する機能を持つ拡張同変アテンションネットワーク(AEANets)を提案する。
論文 参考訳(メタデータ) (2020-11-06T23:37:49Z) - Deep image prior for undersampling high-speed photoacoustic microscopy [14.15152499875691]
光音響顕微鏡 (PAM) は光と音を組み合わせた新しいイメージング法である。
高速PAM技術は、広い視野での撮像速度を高めるために空間サンプリング密度(アンダーサンプリング)を犠牲にすることが多い。
アンダーサンプされたPAM画像の画質を向上させるために、ディープ・イメージ・プレロード(DIP)を提案する。
論文 参考訳(メタデータ) (2020-10-15T15:46:19Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z) - Reconstructing undersampled photoacoustic microscopy images using deep
learning [11.74890470096844]
アンサンプされたPAM画像の再構成にディープラーニングの原理を応用した新しい手法を提案する。
この結果から,PAM画像の再現性能は,元のピクセルの2%に満たないという結果が得られた。
論文 参考訳(メタデータ) (2020-05-30T12:39:52Z)
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。