論文の概要: OT-driven Multi-Domain Unsupervised Ultrasound Image Artifact Removal using a Single CNN

• arxiv url: http://arxiv.org/abs/2007.05205v1
• Date: Fri, 10 Jul 2020 07:11:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 20:57:45.079938
• Title: OT-driven Multi-Domain Unsupervised Ultrasound Image Artifact Removal using a Single CNN
• Title（参考訳）: 単一cnnを用いたot駆動マルチドメイン非教師なし超音波画像アーティファクト除去
• Authors: Jaeyoung Huh, Shujaat Khan, and Jong Chul Ye
• Abstract要約: 超音波イメージング(US)は、様々なソースの異なる画像アーティファクトに悩まされることが多い。 我々は、単一のニューラルネットワークを使って、異なるタイプの米国のアーティファクトを処理できる、新しい、教師なしのディープラーニングアプローチを提案する。 我々のアルゴリズムは、カスケードされた確率測度に対する最適輸送(OT)理論を用いて厳密に導出される。
• 参考スコア（独自算出の注目度）: 36.574477281492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound imaging (US) often suffers from distinct image artifacts from various sources. Classic approaches for solving these problems are usually model-based iterative approaches that have been developed specifically for each type of artifact, which are often computationally intensive. Recently, deep learning approaches have been proposed as computationally efficient and high performance alternatives. Unfortunately, in the current deep learning approaches, a dedicated neural network should be trained with matched training data for each specific artifact type. This poses a fundamental limitation in the practical use of deep learning for US, since large number of models should be stored to deal with various US image artifacts. Inspired by the recent success of multi-domain image transfer, here we propose a novel, unsupervised, deep learning approach in which a single neural network can be used to deal with different types of US artifacts simply by changing a mask vector that switches between different target domains. Our algorithm is rigorously derived using an optimal transport (OT) theory for cascaded probability measures. Experimental results using phantom and in vivo data demonstrate that the proposed method can generate high quality image by removing distinct artifacts, which are comparable to those obtained by separately trained multiple neural networks.
• Abstract（参考訳）: 超音波イメージング(us)は、しばしば様々なソースからの異なる画像アーティファクトに苦しむ。 これらの問題を解決するための古典的なアプローチは、典型的にはモデルに基づく反復的アプローチであり、しばしば計算集約的なアーティファクトの種類ごとに特別に開発された。 近年,ディープラーニング手法は計算効率が高く,高性能な代替手段として提案されている。 残念ながら、現在のディープラーニングのアプローチでは、専用のニューラルネットワークは、特定のアーティファクトタイプごとに一致したトレーニングデータでトレーニングされるべきである。 これは、様々な米国イメージアーティファクトを扱うために多数のモデルを保存する必要があるため、米国におけるディープラーニングの実践的使用に根本的な制限が生じる。 本稿では,近年のマルチドメイン画像転送の成功に触発されて,単一のニューラルネットワークを用いて,異なる対象領域を切り替えるマスクベクトルを変更するだけで,異なるタイプの米国成果物を扱うことができる新しい教師なしディープラーニング手法を提案する。 本アルゴリズムは,逐次確率測度に対する最適輸送(ot)理論を用いて厳密に導出される。 phantomとin vivoのデータを用いた実験の結果,本手法は,複数のニューラルネットワークを個別に訓練した結果に匹敵する,異なるアーティファクトを除去して高品質な画像を生成することができた。

関連論文リスト

• Unsupervised convolutional neural network fusion approach for change detection in remote sensing images [1.892026266421264]
  我々は、変化検出のための全く教師なし浅層畳み込みニューラルネットワーク(USCNN)融合アプローチを導入する。 我々のモデルには3つの特徴がある: トレーニングプロセス全体は教師なしで行われ、ネットワークアーキテクチャは浅く、目的関数はスパースである。 4つの実リモートセンシングデータセットの実験結果から,提案手法の有効性と有効性が確認された。
  論文  参考訳（メタデータ） (2023-11-07T03:10:17Z)
• Multi-stage Deep Learning Artifact Reduction for Computed Tomography [0.0]
  本稿では,ニューラルネットワークを複数の領域に適用した人工物除去のための多段階ディープラーニング手法を提案する。 ニューラルネットワークは、逐次的に効果的にトレーニングでき、簡単に使用でき、計算的に効率的にトレーニングできることを示す。
  論文  参考訳（メタデータ） (2023-09-01T14:40:25Z)
• Improving Human-Object Interaction Detection via Virtual Image Learning [68.56682347374422]
  人間-物体相互作用(Human-Object Interaction、HOI)は、人間と物体の相互作用を理解することを目的としている。 本稿では,仮想画像学習(Virtual Image Leaning, VIL)による不均衡分布の影響を軽減することを提案する。 ラベルからイメージへの新たなアプローチであるMultiple Steps Image Creation (MUSIC)が提案され、実際の画像と一貫した分布を持つ高品質なデータセットを作成する。
  論文  参考訳（メタデータ） (2023-08-04T10:28:48Z)
• Domain Generalization for Mammographic Image Analysis with Contrastive Learning [62.25104935889111]
  効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。 より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。 提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
  論文  参考訳（メタデータ） (2023-04-20T11:40:21Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
  従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。 マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。 また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-27T11:25:35Z)
• SiPRNet: End-to-End Learning for Single-Shot Phase Retrieval [8.820823270160695]
  畳み込みニューラルネットワーク(CNN)は、様々な画像再構成タスクにおいて重要な役割を果たしている。 本稿では,1つのフーリエ強度測定から信号を取得するために,SiPRNetという新しいCNN構造を設計する。 提案手法は、シングルショットマスクレス位相検索において、他のCNNおよび従来の最適化手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-05-23T16:24:52Z)
• Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
  本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。 我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。 本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
  論文  参考訳（メタデータ） (2022-05-16T06:49:36Z)
• Convolutional Neural Networks for Multispectral Image Cloud Masking [7.812073412066698]
  畳み込みニューラルネットワーク(CNN)は多くの画像分類タスクの最先端技術であることが証明されている。 Proba-Vマルチスペクトル画像のクラウドマスキングにおける異なるCNNアーキテクチャの利用について検討する。
  論文  参考訳（メタデータ） (2020-12-09T21:33:20Z)
• Exploring Intensity Invariance in Deep Neural Networks for Brain Image Registration [0.0]
  深層学習に基づく画像登録における入力画像対間の強度分布の影響について検討する。 構造的類似性に基づく損失をトレーニングしたディープラーニングモデルは、両方のデータセットでよりよく機能しているようだ。
  論文  参考訳（メタデータ） (2020-09-21T17:49:03Z)

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。