論文の概要: Self-supervised Denoising via Diffeomorphic Template Estimation: Application to Optical Coherence Tomography

• arxiv url: http://arxiv.org/abs/2008.08024v1
• Date: Tue, 18 Aug 2020 16:52:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 21:21:55.827571
• Title: Self-supervised Denoising via Diffeomorphic Template Estimation: Application to Optical Coherence Tomography
• Title（参考訳）: ディフォモーフィックテンプレート推定による自己教師付きデノジング:光コヒーレンストモグラフィへの応用
• Authors: Guillaume Gisbert, Neel Dey, Hiroshi Ishikawa, Joel Schuman, James Fishbaugh, Guido Gerig
• Abstract要約: 本稿では, 動き変形を繰り返し取得する際の自己教師型 denoising の利用を可能にする, 共同微分型テンプレート推定およびデノナイジングフレームワークを提案する。 OCT画像のノイズ化には質的,定量的な改善が見られ,マルチ露光に適応可能な画像モダリティに汎用性が期待できる。
• 参考スコア（独自算出の注目度）: 6.197149831796131
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical Coherence Tomography (OCT) is pervasive in both the research and clinical practice of Ophthalmology. However, OCT images are strongly corrupted by noise, limiting their interpretation. Current OCT denoisers leverage assumptions on noise distributions or generate targets for training deep supervised denoisers via averaging of repeat acquisitions. However, recent self-supervised advances allow the training of deep denoising networks using only repeat acquisitions without clean targets as ground truth, reducing the burden of supervised learning. Despite the clear advantages of self-supervised methods, their use is precluded as OCT shows strong structural deformations even between sequential scans of the same subject due to involuntary eye motion. Further, direct nonlinear alignment of repeats induces correlation of the noise between images. In this paper, we propose a joint diffeomorphic template estimation and denoising framework which enables the use of self-supervised denoising for motion deformed repeat acquisitions, without empirically registering their noise realizations. Strong qualitative and quantitative improvements are achieved in denoising OCT images, with generic utility in any imaging modality amenable to multiple exposures.
• Abstract（参考訳）: 光コヒーレンス断層撮影(oct)は眼科の研究と臨床の両方で広く行われている。 しかし、OCT画像はノイズによって強く劣化し、解釈が制限される。 現在のオクター・デノイザーはノイズ分布の仮定を活用し、繰り返し獲得の平均化を通じて深い教師付きデノイザーを訓練するためのターゲットを生成する。 しかし、近年の自己教師ありの進歩により、クリーンな目標を根拠とすることなく繰り返し取得のみを使用して、深層雑音ネットワークの訓練が可能となり、教師付き学習の負担が軽減された。 自己監督法では明らかな利点があるが,眼球運動が不随意であることから,OCTは同一被験者のシーケンシャルスキャンにおいても強い構造変化を示すため,使用は禁止されている。 さらに、繰り返しの直接非線形アライメントは、画像間のノイズの相関を誘導する。 本稿では,移動復調繰り返し獲得における自己教師型デノナイジングを,雑音の再現性を実証的に登録することなく利用できる,共同微分型テンプレート推定・デノナイジングフレームワークを提案する。 OCT画像のノイズ化には質的,定量的な改善が見られ,マルチ露光に適応可能な画像モダリティには汎用性がある。

関連論文リスト

• Self-supervised OCT Image Denoising with Slice-to-Slice Registration and Reconstruction [5.972377737617966]
  構造保存ノイズ低減のための学習に基づく自己教師手法は,従来の手法よりも優れた性能を示した。 我々は,OCT画像復調に適したエンドツーエンドの自己教師型学習フレームワークを新たに導入する。
  論文  参考訳（メタデータ） (2023-11-26T02:45:16Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Self-supervised Physics-based Denoising for Computed Tomography [2.2758845733923687]
  CT(Computed Tomography)は、患者に固有のX線放射によるリスクを課す。 放射線線量を下げると健康リスクが低下するが、ノイズが増し、組織のコントラストが低下し、CT画像のアーティファクトが生じる。 現代のディープラーニングノイズ抑圧法は、この課題を緩和するが、訓練には低ノイズ高ノイズCT画像ペアが必要である。 我々は,高用量CT投影地真実像を使わずにトレーニング可能な,ノイズ2ノイズD-ANMの自己管理手法を新たに導入した。
  論文  参考訳（メタデータ） (2022-11-01T20:58:50Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)
• ISCL: Interdependent Self-Cooperative Learning for Unpaired Image Denoising [3.796436257221662]
  本論文では,ISCL (Interdependent Self-Cooperative Learning) を提案する。 ISCLは、周期的対向学習と自己監督的残差学習を組み合わせる。 そこで本研究では,isclが従来および現在のディープラーニングに基づく画像デノイジング法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-19T10:54:25Z)
• Suppression of Correlated Noise with Similarity-based Unsupervised Deep Learning [7.61850613267116]
  Noise2Simは、非局所非線形方式で機能し、相関ノイズを抑制する教師なしのディープ・デノナイジング手法である。 Nosie2Simは、ノイズの多い低用量および光子計数CT画像から、教師付き学習方法と同じくらい効果的に、あるいはそれ以上に機能を回復する。
  論文  参考訳（メタデータ） (2020-11-06T14:31:08Z)
• Unpaired Learning of Deep Image Denoising [80.34135728841382]
  本稿では,自己指導型学習と知識蒸留を取り入れた2段階の手法を提案する。 自己教師型学習では,実雑音の画像のみから視覚を学習するための拡張型盲点ネットワーク(D-BSN)を提案する。 実験の結果,本手法は合成ノイズ画像と実世界のノイズ画像の両方で良好に機能することがわかった。
  論文  参考訳（メタデータ） (2020-08-31T16:22:40Z)
• Improving Blind Spot Denoising for Microscopy [73.94017852757413]
  自己監督型認知の質を向上させる新しい方法を提案する。 我々は、クリーンな画像がポイントスプレッド関数(PSF)との畳み込みの結果であり、ニューラルネットワークの最後にこの操作を明示的に含んでいると仮定する。
  論文  参考訳（メタデータ） (2020-08-19T13:06:24Z)
• Dual Adversarial Network: Toward Real-world Noise Removal and Noise Generation [52.75909685172843]
  実世界の画像ノイズ除去は、コンピュータビジョンにおける長年の課題である。 本稿では,ノイズ除去およびノイズ発生タスクに対処する新しい統合フレームワークを提案する。 本手法はクリーンノイズ画像対の連成分布を学習する。
  論文  参考訳（メタデータ） (2020-07-12T09:16:06Z)
• Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
  ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。 本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
  論文  参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。