論文の概要: Attention2AngioGAN: Synthesizing Fluorescein Angiography from Retinal Fundus Images using Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2007.09191v1
• Date: Fri, 17 Jul 2020 18:58:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 14:41:25.894212
• Title: Attention2AngioGAN: Synthesizing Fluorescein Angiography from Retinal Fundus Images using Generative Adversarial Networks
• Title（参考訳）: Attention2AngioGAN:Generative Adversarial Networksを用いた網膜基底画像からのフルオレセイン血管造影の合成
• Authors: Sharif Amit Kamran, Khondker Fariha Hossain, Alireza Tavakkoli, Stewart Lee Zuckerbrod
• Abstract要約: フルオレセイン血管造影(Fluorescein Angiography, FA)は、Fundusの写真撮影に、励起フィルターとバリアフィルターを取り入れた指定カメラを用いる技術である。 FAはまた、静脈注射されるフルオレセイン色素を必要としており、吐き気、吐き気、さらに致命的なアナフィラキシーに悪影響を及ぼす可能性がある。 本稿では,Fundus画像からFluorescein Angiographyを合成できるアテンションベースの生成ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fluorescein Angiography (FA) is a technique that employs the designated camera for Fundus photography incorporating excitation and barrier filters. FA also requires fluorescein dye that is injected intravenously, which might cause adverse effects ranging from nausea, vomiting to even fatal anaphylaxis. Currently, no other fast and non-invasive technique exists that can generate FA without coupling with Fundus photography. To eradicate the need for an invasive FA extraction procedure, we introduce an Attention-based Generative network that can synthesize Fluorescein Angiography from Fundus images. The proposed gan incorporates multiple attention based skip connections in generators and comprises novel residual blocks for both generators and discriminators. It utilizes reconstruction, feature-matching, and perceptual loss along with adversarial training to produces realistic Angiograms that is hard for experts to distinguish from real ones. Our experiments confirm that the proposed architecture surpasses recent state-of-the-art generative networks for fundus-to-angio translation task.
• Abstract（参考訳）: フルオレセイン血管造影(fluorescein angiography, fa)は、励起とバリアフィルターを組み込んだ眼底撮影用カメラである。 FAはまた、静脈注射されるフルオレセイン色素を必要としており、吐き気、吐き気、さらに致命的なアナフィラキシーに悪影響を及ぼす可能性がある。 現在、Fundus写真と結合することなくFAを生成する高速で非侵襲的な技術は存在しない。 侵襲的fa抽出法の必要性を解消するために,眼底画像から蛍光血管造影を合成できる注意に基づく生成ネットワークを提案する。 提案したガンは、複数の注意に基づくスキップ接続をジェネレータに組み込み、ジェネレータと識別器の両方に新しい残留ブロックを含む。 レコンストラクション、特徴マッチング、知覚喪失、および敵対的な訓練を駆使して、専門家が実際のものと区別しにくい現実的な血管造影図を生成する。 本実験により,提案手法は, ダウス・アンド・アンジオ翻訳タスクの最先端な生成ネットワークを超越していることを確認した。

関連論文リスト

• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement [17.28459176559761]
  UWF-FA (UWF fluorescein angiography) は、患者の手や肘に注入して蛍光染料を投与する必要がある。 注射による潜在的な副作用を軽減するため、研究者はクロスモダリティ医療画像生成アルゴリズムの開発を提案した。 本稿では,UWF-SLOからUWF-FAを合成する条件生成対向ネットワーク(UWAFA-GAN)を提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:27:43Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• UWAT-GAN: Fundus Fluorescein Angiography Synthesis via Ultra-wide-angle Transformation Multi-scale GAN [1.165405976310311]
  眼底写真は、眼底疾患の臨床的および鑑別診断に欠かせない検査である。 基礎画像の現在の方法では高解像度の画像が得られず、微小な血管病変領域を捉えることができなかった。 本稿では,UWF-SLOからUWF-FAを合成する条件付き生成対向ネットワーク(UWAT-GAN)を提案する。
  論文  参考訳（メタデータ） (2023-07-21T12:23:39Z)
• 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)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• VTGAN: Semi-supervised Retinal Image Synthesis and Disease Prediction using Vision Transformers [0.0]
  Fluorescein Angiography(FA)では、注射された染料を血流に注入して網膜の血管構造を画像化します。 眼底イメージングは網膜の撮影に用いられる非侵襲的な技術であるが、その血管構造を撮影するのに十分な忠実性は持たない。 本稿では,眼底画像からFA画像を同時に合成し,網膜変性を予測できる新しい条件生成対向ネットワーク(GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-14T10:32:36Z)
• Generating Fundus Fluorescence Angiography Images from Structure Fundus Images Using Generative Adversarial Networks [8.205917237367748]
  フルオレセイン血管造影は網膜血管の構造と機能の地図を提供することができる。 医師が診断の潜在的なリスクを軽減するために、画像翻訳法が採用されている。
  論文  参考訳（メタデータ） (2020-06-18T00:27:20Z)
• Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
  低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。 本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。 合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
  論文  参考訳（メタデータ） (2020-05-12T08:01:16Z)
• Fundus2Angio: A Conditional GAN Architecture for Generating Fluorescein Angiography Images from Retinal Fundus Photography [0.0]
  フルオレセイン血管造影画像を生成する非侵襲的なシステムはない。 ファンドス撮影は、数秒で完了する非侵襲的なイメージング技術である。 本稿では,基礎画像からFA画像へ変換する条件付き生成対向ネットワーク(GAN)を提案する。
  論文  参考訳（メタデータ） (2020-05-11T17:09:29Z)
• ElixirNet: Relation-aware Network Architecture Adaptation for Medical Lesion Detection [90.13718478362337]
  本稿では,1)TruncatedRPNが正負値と負値のバランスをとること,2)Auto-lesion Blockが自動的に医療画像にカスタマイズされ,地域提案間の関係認識操作が組み込まれること,3)Relation Transferモジュールが意味的関係を組み込むこと,の3つのコンポーネントを含む新しいElixirNetを紹介した。 DeepLesionとKits19の実験では、ElixirNetの有効性が証明され、パラメータが少なくてFPNよりも感度と精度が向上した。
  論文  参考訳（メタデータ） (2020-03-03T05:29:49Z)

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。