論文の概要: NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal
- arxiv url: http://arxiv.org/abs/2008.02984v1
- Date: Fri, 7 Aug 2020 04:31:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 01:48:12.185051
- Title: NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image
Non-Uniform Illumination Removal
- Title(参考訳): NuI-Go:網膜画像非均一照明除去のための再帰的非局所エンコーダデコーダネットワーク
- Authors: Chongyi Li, Huazhu Fu, Runmin Cong, Zechao Li, Qianqian Xu
- Abstract要約: 網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。
網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。
我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
- 参考スコア(独自算出の注目度): 96.12120000492962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retinal images have been widely used by clinicians for early diagnosis of
ocular diseases. However, the quality of retinal images is often clinically
unsatisfactory due to eye lesions and imperfect imaging process. One of the
most challenging quality degradation issues in retinal images is non-uniform
which hinders the pathological information and further impairs the diagnosis of
ophthalmologists and computer-aided analysis.To address this issue, we propose
a non-uniform illumination removal network for retinal image, called NuI-Go,
which consists of three Recursive Non-local Encoder-Decoder Residual Blocks
(NEDRBs) for enhancing the degraded retinal images in a progressive manner.
Each NEDRB contains a feature encoder module that captures the hierarchical
feature representations, a non-local context module that models the context
information, and a feature decoder module that recovers the details and spatial
dimension. Additionally, the symmetric skip-connections between the encoder
module and the decoder module provide long-range information compensation and
reuse. Extensive experiments demonstrate that the proposed method can
effectively remove the non-uniform illumination on retinal images while well
preserving the image details and color. We further demonstrate the advantages
of the proposed method for improving the accuracy of retinal vessel
segmentation.
- Abstract(参考訳): 網膜画像は、臨床医が眼疾患の早期診断に広く用いられている。
しかし、網膜画像の品質は、眼の病変と不完全な撮像過程のため、臨床的に不十分であることが多い。
網膜画像における最も困難な品質劣化問題の1つは、病理情報を阻害し、さらに眼科医の診断やコンピュータ支援分析に支障をきたす非一様性であり、この問題に対処するため、劣化した網膜画像を漸進的に拡張するための3つの再帰的非局所エンコーダ・デコーダ残差ブロック(nedrbs)からなる、nui-goと呼ばれる網膜画像の非一様照明除去ネットワークを提案する。
NEDRBの各モジュールには、階層的な特徴表現をキャプチャする機能エンコーダモジュール、コンテキスト情報をモデル化する非ローカルコンテキストモジュール、詳細と空間次元を復元する機能デコーダモジュールが含まれている。
さらに、エンコーダモジュールとデコーダモジュールとの対称なスキップ接続は、長距離情報補償と再利用を提供する。
画像の詳細と色を良好に保ちながら、網膜画像上の均一でない照明を効果的に除去できることを示す。
さらに,網膜血管セグメンテーションの精度向上のための提案手法の利点を示す。
関連論文リスト
- Limited-View Photoacoustic Imaging Reconstruction Via High-quality Self-supervised Neural Representation [4.274771298029378]
HIgh-quality Self-supervised Neural representation (HIS) と呼ばれる自己教師ネットワークを導入する。
HISは、限られた視点で取得したセンサデータから高品質な光音響画像を再構成するために、光音響イメージングの逆問題に取り組む。
その結果,提案したHISモデルは,光音響画像再構成によく用いられる3つの手法と比較して,画質が優れていることがわかった。
論文 参考訳(メタデータ) (2024-07-04T06:07:54Z) - Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。
提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
論文 参考訳(メタデータ) (2024-04-25T05:42:41Z) - MAEDiff: Masked Autoencoder-enhanced Diffusion Models for Unsupervised
Anomaly Detection in Brain Images [40.89943932086941]
脳画像における教師なし異常検出のためのMasked Autoencoder-enhanced Diffusion Model (MAEDiff)を提案する。
MAEDiffは、階層的なパッチ分割を含む。上層パッチを重畳して健全なイメージを生成し、サブレベルパッチで動作するマスク付きオートエンコーダに基づくメカニズムを実装し、未通知領域の状態を高める。
論文 参考訳(メタデータ) (2024-01-19T08:54:54Z) - EDDense-Net: Fully Dense Encoder Decoder Network for Joint Segmentation
of Optic Cup and Disc [0.880802134366532]
緑内障(英: Glaucoma)は、視神経に損傷を与える眼疾患であり、視覚障害と永久盲眼を引き起こす。
緑内障の診断には、光ディスク(OD)検査におけるカップ・ツー・ディスク比(CDR)の推定が用いられる。
OCとODの結合分割のためのEDDense-Netセグメンテーションネットワークを提案する。
論文 参考訳(メタデータ) (2023-08-20T07:45:03Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-07-31T17:59:42Z) - Feature Representation Learning for Robust Retinal Disease Detection
from Optical Coherence Tomography Images [0.0]
眼科画像は、異なる網膜変性疾患を区別する自動化技術で失敗する、同一の外観の病理を含んでいる可能性がある。
本研究では,3つの学習ヘッドを持つ堅牢な疾患検出アーキテクチャを提案する。
2つのOCTデータセットによる実験結果から,提案モデルが既存の最先端モデルよりも精度,解釈可能性,堅牢性に優れ,網膜外網膜疾患の検出に有用であることが示唆された。
論文 参考訳(メタデータ) (2022-06-24T07:59:36Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳(メタデータ) (2021-08-19T11:02:25Z) - 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) - Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。
我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文 参考訳(メタデータ) (2020-05-12T09:55:53Z) - 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)
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。