論文の概要: Joint Blind Deconvolution and Robust Principal Component Analysis for Blood Flow Estimation in Medical Ultrasound Imaging

• arxiv url: http://arxiv.org/abs/2007.05428v1
• Date: Fri, 10 Jul 2020 15:03:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 22:35:04.074598
• Title: Joint Blind Deconvolution and Robust Principal Component Analysis for Blood Flow Estimation in Medical Ultrasound Imaging
• Title（参考訳）: 医用超音波画像における血液血流推定のためのブラインドデコンボリューションとロバスト成分分析
• Authors: Duong-Hung Pham, Adrian Basarab, Ilyess Zemmoura, Jean-Pierre Remenieras and Denis Kouame
• Abstract要約: 本稿では,超高速超音波画像からの高分解能ドップラー血流推定の問題に対処する。 ドップラーデータから血液成分とPSFの両方を推定できるブラインドデコンボリューション法を提案する。
• 参考スコア（独自算出の注目度）: 8.922669577341225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the problem of high-resolution Doppler blood flow estimation from an ultrafast sequence of ultrasound images. Formulating the separation of clutter and blood components as an inverse problem has been shown in the literature to be a good alternative to spatio-temporal singular value decomposition (SVD)-based clutter filtering. In particular, a deconvolution step has recently been embedded in such a problem to mitigate the influence of the experimentally measured point spread function (PSF) of the imaging system. Deconvolution was shown in this context to improve the accuracy of the blood flow reconstruction. However, measuring the PSF requires non-trivial experimental setups. To overcome this limitation, we propose herein a blind deconvolution method able to estimate both the blood component and the PSF from Doppler data. Numerical experiments conducted on simulated and in vivo data demonstrate qualitatively and quantitatively the effectiveness of the proposed approach in comparison with the previous method based on experimentally measured PSF and two other state-of-the-art approaches.
• Abstract（参考訳）: 本稿では,超高速超音波画像からの高分解能ドップラー血流推定の問題に対処する。 クラッタと血液成分の分離を逆問題として定式化することは,時空間特異値分解(SVD)に基づくクラッタフィルタの優れた代替となることが文献で示されている。 特に、画像システムの実験的に測定された点展開関数(PSF)の影響を軽減するために、近年、デコンボリューションステップがそのような問題に埋め込まれている。 この文脈でデコンボリューションが示され、血流再建の精度が向上した。 しかし、PSFの測定には非自明な実験装置が必要である。 この制限を克服するために,ドップラーデータから血液成分とPSFの両方を推定できるブラインドデコンボリューション法を提案する。 シミュレーションおよび生体内データを用いて行った数値実験は,実験により測定したPSFおよび他の2つの最先端アプローチに基づいて,提案手法の有効性を定量的に定量的に検証した。

関連論文リスト

• Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations [4.672315172406826]
  光音響顕微鏡(AR-PAM)は皮下血管造影に有用である。 従来のデコンボリューション法では、PSF(Point Spreadvolution)を使用して解像度を改善する。 Inlicit Neural Representation (INR) に基づくアプローチを提案する。 本手法は,空間座標から初期音圧への連続的なマッピングを学習し,離散像の限界を克服する。
  論文  参考訳（メタデータ） (2024-10-15T00:44:57Z)
• PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
  超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。 我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。 Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
  論文  参考訳（メタデータ） (2024-08-07T09:52:30Z)
• Ambient Diffusion Posterior Sampling: Solving Inverse Problems with Diffusion Models trained on Corrupted Data [56.81246107125692]
  Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。 A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。 我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-03-13T17:28:20Z)
• UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation [59.91293113930909]
  超音波による組織散乱の可視化と定量化は中上イメージングが約束している。 既存の手法では、最適なウィンドウサイズの選択に苦労し、推定の不安定性に悩まされている。 提案手法は,中上パラメータ推定のための高精度でクローズドな形状推定器であるUNICORNを提案する。
  論文  参考訳（メタデータ） (2024-03-10T18:05:41Z)
• Enhancing Blood Flow Assessment in Diffuse Correlation Spectroscopy: A Transfer Learning Approach with Noise Robustness Analysis [5.16677999056239]
  本研究では,SNR(Signal-to-Noise Ratios)が学習特徴の一般化能力に与える影響を評価することを目的とした。 付加雑音のレベルが異なる合成データセットを用いて、異なるSNRをシミュレートする。 提案モデルでは, 異なるSNRに対して優れた性能を示し, 適合精度が向上した。
  論文  参考訳（メタデータ） (2024-01-10T23:10:51Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Moving beyond simulation: data-driven quantitative photoacoustic imaging using tissue-mimicking phantoms [1.5006258585503878]
  実験的に良好な画像ファントムとそのデジタル双生児のコレクションを紹介する。 この第1種ファントムデータセットは、吸収係数のピクセルワイズ推定のための実験データに基づくU-Netの教師付きトレーニングを可能にする。 シミュレーションデータによるトレーニングは, シミュレーションと実験の間の領域ギャップを補強し, 評価の成果とバイアスをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-06-11T19:12:30Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Perfusion Imaging: A Data Assimilation Approach [18.418067945495203]
  灌流画像(PI)は脳卒中や脳腫瘍の診断に用いられる。 コントラスト・エイジェント・フリーアプローチ(例えば、ボクセル内不整合運動に基づく)も存在するが、これまでは日常的に臨床応用は行われていない。 これらの手法は、動脈入力関数(AIF)をおよそモデル組織灌流に頼り、空間的依存を無視し、AIFを確実に推定することにも依存する。 本研究では, 対流拡散モデルの速度場と拡散場を推定し, コントラストのダイナミクスを最もよく説明するデータ同化手法(PIANO)を提案する。
  論文  参考訳（メタデータ） (2020-09-06T18:44:44Z)
• 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)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。