論文の概要: Dueling Deep Q-Network for Unsupervised Inter-frame Eye Movement
Correction in Optical Coherence Tomography Volumes
- arxiv url: http://arxiv.org/abs/2007.01522v1
- Date: Fri, 3 Jul 2020 07:14:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 04:36:22.156071
- Title: Dueling Deep Q-Network for Unsupervised Inter-frame Eye Movement
Correction in Optical Coherence Tomography Volumes
- Title（参考訳）: 光コヒーレンストモグラフィボリュームにおける非教師なし眼球運動補正のためのディープqネットワーク
- Authors: Yasmeen M. George, Suman Sedai, Bhavna J. Antony, Hiroshi Ishikawa,
Gadi Wollstein, Joel S. Schuman and Rahil Garnavi
- Abstract要約: オプティカルコヒーレンス・トモグラフィー(OCT)では、個々のスライスを連続的に取得することで、運動アーティファクトにこのモダリティが生じる。
この画像モダリティの特徴であるスペックルノイズは、従来の登録技術が採用されている際に不正確となる。
本稿では、深層強化学習を用いて、フレーム間の動きを教師なしで補正することで、これらの課題に対処する。
- 参考スコア（独自算出の注目度）: 5.371290280449071
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In optical coherence tomography (OCT) volumes of retina, the sequential
acquisition of the individual slices makes this modality prone to motion
artifacts, misalignments between adjacent slices being the most noticeable. Any
distortion in OCT volumes can bias structural analysis and influence the
outcome of longitudinal studies. On the other hand, presence of speckle noise
that is characteristic of this imaging modality, leads to inaccuracies when
traditional registration techniques are employed. Also, the lack of a
well-defined ground truth makes supervised deep-learning techniques ill-posed
to tackle the problem. In this paper, we tackle these issues by using deep
reinforcement learning to correct inter-frame movements in an unsupervised
manner. Specifically, we use dueling deep Q-network to train an artificial
agent to find the optimal policy, i.e. a sequence of actions, that best
improves the alignment by maximizing the sum of reward signals. Instead of
relying on the ground-truth of transformation parameters to guide the rewarding
system, for the first time, we use a combination of intensity based image
similarity metrics. Further, to avoid the agent bias towards speckle noise, we
ensure the agent can see retinal layers as part of the interacting environment.
For quantitative evaluation, we simulate the eye movement artifacts by applying
2D rigid transformations on individual B-scans. The proposed model achieves an
average of 0.985 and 0.914 for normalized mutual information and correlation
coefficient, respectively. We also compare our model with elastix intensity
based medical image registration approach, where significant improvement is
achieved by our model for both noisy and denoised volumes.
- Abstract（参考訳）: 光コヒーレンス・トモグラフィー(OCT)では、個々のスライスを連続的に取得することで、隣接するスライス間のミスアライメントが最も顕著な運動アーチファクトにこのモダリティをもたらす。
octボリュームの歪みは構造解析をバイアスし、縦断研究の結果に影響を与える。
一方、この画像モダリティの特徴であるスペックルノイズの存在は、従来の登録技術が採用されている際の不正確さにつながる。
また、十分に定義された基礎的真理の欠如は、この問題に取り組むために不適切な深層学習技術を生み出している。
本稿では,フレーム間移動を教師なしで補正するために,深層強化学習を用いてこの問題に取り組む。
具体的には,入賞信号の総和を最大化することでアライメントを最善に向上する行動列の最適ポリシーを見つけるために,深層Qネットワークを用いて人工知能を訓練する。
報奨システムを導くために、変換パラメータの基底的構造に頼る代わりに、初めて、強度に基づく画像類似度メトリクスの組み合わせを使用します。
さらに、スペックルノイズに対するエージェントバイアスを避けるため、エージェントは相互作用する環境の一部として網膜層を見ることができる。
定量的評価のために, 個別のBスキャンに2次元剛性変換を適用して眼球運動アーティファクトをシミュレートする。
提案モデルは,正規化相互情報と相関係数をそれぞれ0.985および0.914とする。
また,本モデルとelastix強度に基づく医用画像登録手法との比較を行い,ノイズ量と音量の両方に対して大きな改善が得られた。
関連論文リスト
- Deformation-aware GAN for Medical Image Synthesis with Substantially Misaligned Pairs [0.0]
本稿では,逆整合性に基づく画像合成における誤りを動的に補正する新しい変形認識型GAN(DA-GAN)を提案する。
実験の結果, DA-GANは, 呼吸運動異常を伴う実世界の肺MRI-CTデータセットと模擬誤診を伴う公共データセットにおいて, 優れた性能を示した。
論文 参考訳（メタデータ） (2024-08-18T10:29:35Z) - Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。
コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。
各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-03-06T08:35:29Z) - Forgery-aware Adaptive Transformer for Generalizable Synthetic Image
Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。
本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。
提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文 参考訳（メタデータ） (2023-12-27T17:36:32Z) - Synthetic optical coherence tomography angiographs for detailed retinal
vessel segmentation without human annotations [12.571349114534597]
本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。
本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
論文 参考訳（メタデータ） (2023-06-19T14:01:47Z) - Spatial gradient consistency for unsupervised learning of hyperspectral
demosaicking: Application to surgical imaging [4.795951381086172]
ハイパースペクトルイメージングは、組織の特徴化をリアルタイムで、高解像度で改善する可能性がある。
スナップショット画像の空間的・スペクトル的情報を完全に復元するには,復号化アルゴリズムが必要である。
トレーニング目的のスナップショット画像のみを必要とする、完全に教師なしのハイパースペクトル画像復号アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-21T18:07:14Z) - High-fidelity Direct Contrast Synthesis from Magnetic Resonance
Fingerprinting [28.702553164811473]
本稿では,MRFデータからコントラスト強調画像を直接合成する教師あり学習手法を提案する。
In-vivo実験は、シミュレーションベースのコントラスト合成や従来のDCS法と比較して、視覚的にも定量的にも優れた画質を示す。
論文 参考訳（メタデータ） (2022-12-21T07:11:39Z) - Treatment Learning Causal Transformer for Noisy Image Classification [62.639851972495094]
本研究では,この2値情報「ノイズの存在」を画像分類タスクに組み込んで予測精度を向上させる。
因果的変動推定から動機付け,雑音画像分類のための頑健な特徴表現を潜在生成モデルを用いて推定するトランスフォーマーに基づくアーキテクチャを提案する。
また、パフォーマンスベンチマークのための幅広いノイズ要素を取り入れた、新しいノイズの多い画像データセットも作成する。
論文 参考訳（メタデータ） (2022-03-29T13:07:53Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - Joint Semi-supervised 3D Super-Resolution and Segmentation with Mixed
Adversarial Gaussian Domain Adaptation [13.477290490742224]
医用画像の高解像度化は、画像の解像度を向上させることを目的としているが、従来は低解像度データセットの特徴に基づいて訓練されている。
本稿では,画像とそのラベルの同時超解像を行う半教師付きマルチタスク生成対向ネットワーク(Gemini-GAN)を提案する。
提案手法は, 成人1,331人, 成人205人のトランスナショナル多民族集団に対して広く評価された。
論文 参考訳（メタデータ） (2021-07-16T15:42:39Z) - Tesseract: Tensorised Actors for Multi-Agent Reinforcement Learning [92.05556163518999]
MARLは、コミュニケーションと可観測性に様々な制約を課すことによって、問題を悪化させる。
値ベースの手法では、最適な値関数を正確に表現することが課題となる。
政策勾配法では、批判者の訓練を困難にし、遅れる批判者の問題を悪化させる。
学習理論の観点からは、関連するアクション値関数を正確に表現することで、両方の問題に対処できることが示される。
論文 参考訳（メタデータ） (2021-05-31T23:08:05Z)
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。