論文の概要: OCT-GAN: Single Step Shadow and Noise Removal from Optical Coherence Tomography Images of the Human Optic Nerve Head

• arxiv url: http://arxiv.org/abs/2010.11698v1
• Date: Tue, 6 Oct 2020 08:32:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 07:59:40.914514
• Title: OCT-GAN: Single Step Shadow and Noise Removal from Optical Coherence Tomography Images of the Human Optic Nerve Head
• Title（参考訳）: OCT-GAN:人間の視神経の光コヒーレンス・トモグラフィー画像からの単一ステップ影とノイズ除去
• Authors: Haris Cheong, Sripad Krishna Devalla, Thanadet Chuangsuwanich, Tin A. Tun, Xiaofei Wang, Tin Aung, Leopold Schmetterer, Martin L. Buist, Craig Boote, Alexandre H. Thi\'ery, and Micha\"el J. A. Girard
• Abstract要約: 我々は、ノイズと網膜の影の両方を10.4ms以内で見えない単一フレームのBスキャンから除去する単一プロセスを開発した。 提案アルゴリズムは,長い画像取得時間の必要性を低減し,高価なハードウェア要件を最小化し,OCT画像の動作アーティファクトを低減する。
• 参考スコア（独自算出の注目度）: 47.812972855826985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Speckle noise and retinal shadows within OCT B-scans occlude important edges, fine textures and deep tissues, preventing accurate and robust diagnosis by algorithms and clinicians. We developed a single process that successfully removed both noise and retinal shadows from unseen single-frame B-scans within 10.4ms. Mean average gradient magnitude (AGM) for the proposed algorithm was 57.2% higher than current state-of-the-art, while mean peak signal to noise ratio (PSNR), contrast to noise ratio (CNR), and structural similarity index metric (SSIM) increased by 11.1%, 154% and 187% respectively compared to single-frame B-scans. Mean intralayer contrast (ILC) improvement for the retinal nerve fiber layer (RNFL), photoreceptor layer (PR) and retinal pigment epithelium (RPE) layers decreased from 0.362 \pm 0.133 to 0.142 \pm 0.102, 0.449 \pm 0.116 to 0.0904 \pm 0.0769, 0.381 \pm 0.100 to 0.0590 \pm 0.0451 respectively. The proposed algorithm reduces the necessity for long image acquisition times, minimizes expensive hardware requirements and reduces motion artifacts in OCT images.
• Abstract（参考訳）: oct b-scans内のスペックルノイズと網膜影は重要なエッジ、微細なテクスチャ、深部組織を阻害し、アルゴリズムや臨床医による正確かつ堅牢な診断を防ぐ。 我々は、ノイズと網膜のシャドウの両方を10.4msで除去する単一プロセスを開発した。 提案アルゴリズムの平均勾配等級 (AGM) は現状よりも57.2%高く, ピーク信号対雑音比 (PSNR) , ノイズ比 (CNR) , 構造類似度指標 (SSIM) はシングルフレームのBスキャンに比べて11.1%, 154%, 187%増加した。 網膜神経線維層(RNFL)、光受容体層(PR)、網膜色素上皮層(RPE)の平均層内コントラストは、それぞれ0.362 \pm 0.133から0.142 \pm 0.102, 0.449 \pm 0.116から0.0904 \pm 0.0769, 0.381 \pm 0.100から0.00590 \pm 0.0451へと低下した。 提案アルゴリズムは,長い画像取得時間の必要性を低減し,高価なハードウェア要件を最小化し,OCT画像の動作アーティファクトを低減する。

関連論文リスト

• Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
  低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。 1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。 サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
  論文  参考訳（メタデータ） (2024-10-31T04:34:28Z)
• Enhanced Denoising of Optical Coherence Tomography Images Using Residual U-Net [0.0]
  本稿では,雑音を効果的に低減し,画像の明瞭度を向上するResidual U-Netアーキテクチャを用いた拡張型復調モデルを提案する。 ピーク信号ノイズ比(PSNR)はPS OCT画像に対して34.343$pm$1.113であり、構造類似度指数測定(SSIM)値は0.885$pm$0.030である。
  論文  参考訳（メタデータ） (2024-07-18T01:35:03Z)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• Deep learning denoiser assisted roughness measurements extraction from thin resists with low Signal-to-Noise Ratio(SNR) SEM images: analysis with SMILE [0.11184789007828977]
  走査型電子顕微鏡(SEM)の画像は、画像コントラストの低下と信号対雑音比(SNR)の低下に悩まされている 本研究の目的は、Deep Learning Denoiserを用いてSEM画像のSNRを高め、薄型レジストの堅牢な粗さ抽出を可能にすることである。
  論文  参考訳（メタデータ） (2023-10-23T11:30:54Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• 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)
• Retinal OCT Denoising with Pseudo-Multimodal Fusion Network [0.41998444721319206]
  本稿では,単フレームノイズBスキャンと擬似モダリティからの情報を活用する学習手法を提案する。 本手法は, 網膜層間のコントラストを高めるとともに, 全体構造と微小血管を保存し, スペックルノイズを効果的に抑制することができる。
  論文  参考訳（メタデータ） (2021-07-09T08:00:20Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• Super Resolution of Arterial Spin Labeling MR Imaging Using Unsupervised Multi-Scale Generative Adversarial Network [9.506036365253184]
  動脈スピンラベリング(ASL)磁気共鳴イメージング(MRI)は、脳血流(CBF)を定量的に測定できる強力なイメージング技術である。 本稿では,教師なし学習によるGAN(Multi-scale Generative Adversarial Network)に基づく超解像法を提案する。
  論文  参考訳（メタデータ） (2020-09-14T01:05:54Z)

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。