論文の概要: Micro-CT Synthesis and Inner Ear Super Resolution via Generative
Adversarial Networks and Bayesian Inference
- arxiv url: http://arxiv.org/abs/2010.14105v2
- Date: Thu, 4 Feb 2021 23:25:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 12:52:39.722510
- Title: Micro-CT Synthesis and Inner Ear Super Resolution via Generative
Adversarial Networks and Bayesian Inference
- Title(参考訳): 生成逆ネットワークとベイズ推論によるマイクロCT合成と内耳超解像
- Authors: Hongwei Li, Rameshwara G. N. Prasad, Anjany Sekuboyina, Chen Niu,
Siwei Bai, Werner Hemmert, and Bjoern Menze
- Abstract要約: 既存の医用画像の超解像法は、完全に教師された方法でマッピングを学ぶために、低解像度画像と高解像度画像のペアに依存している。
本稿では,非ペアデータを用いた現実シナリオにおける超解像問題に対処し,時間的骨構造の高分解能マイクロCT画像の合成を行う。
- 参考スコア(独自算出の注目度): 3.797382187289074
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing medical image super-resolution methods rely on pairs of low- and
high- resolution images to learn a mapping in a fully supervised manner.
However, such image pairs are often not available in clinical practice. In this
paper, we address super-resolution problem in a real-world scenario using
unpaired data and synthesize linearly \textbf{eight times} higher resolved
Micro-CT images of temporal bone structure, which is embedded in the inner ear.
We explore cycle-consistency generative adversarial networks for
super-resolution task and equip the translation approach with Bayesian
inference. We further introduce \emph{Hu Moment distance} the evaluation metric
to quantify the shape of the temporal bone. We evaluate our method on a public
inner ear CT dataset and have seen both visual and quantitative improvement
over state-of-the-art deep-learning-based methods. In addition, we perform a
multi-rater visual evaluation experiment and find that trained experts
consistently rate the proposed method the highest quality scores among all
methods. Furthermore, we are able to quantify uncertainty in the unpaired
translation task and the uncertainty map can provide structural information of
the temporal bone.
- Abstract(参考訳): 既存の医療画像のスーパーレゾリューション手法は、低解像度と高解像度の画像のペアに依存して、完全に教師ありの方法でマッピングを学ぶ。
しかし、そのようなイメージペアは、しばしば臨床で利用できない。
本稿では,非ペアデータを用いた実世界シナリオにおける超解像問題に対処し,内耳に埋め込まれた側頭骨構造の高分解能マイクロct像を線形に合成する。
超解像タスクのためのサイクルコンテンシスタンス生成逆ネットワークを探索し,ベイズ推論を用いて翻訳アプローチを適用する。
さらに, 側頭骨の形状を定量化するために, 評価指標であるemph{Hu Moment distanceを紹介した。
我々は,この手法を内耳CTデータセット上で評価し,最先端の深層学習法よりも視覚的,定量的に改善した。
さらに, マルチレイタ視覚評価実験を行い, 訓練された専門家が提案手法を全ての手法の最高品質スコアとして一貫して評価することを発見した。
さらに,不確かさを定量化することができ,不確実性マップが側頭骨の構造情報を提供することができる。
関連論文リスト
- Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial [8.393536317952085]
ニュージーランドの臨床試験において,PCCT画像の半減量と2倍の速度で再現する深層学習に基づくアプローチを提案する。
本稿では,GPUメモリの制限を緩和するパッチベースのボリュームリファインメントネットワーク,合成データを用いたトレーニングネットワーク,およびモデルベースの反復リファインメントを用いて,合成データと実世界のギャップを埋める。
論文 参考訳(メタデータ) (2024-03-19T00:07:48Z) - Frequency-aware optical coherence tomography image super-resolution via
conditional generative adversarial neural network [0.3040864511503504]
周波数ベースモジュールと周波数ベース損失関数を条件付き生成対向ネットワーク(cGAN)に統合する周波数対応超解像フレームワークを提案する。
我々は,既存の深層学習フレームワークよりも提案したフレームワークが優れていることを示すため,既存の冠動脈OCTデータセットから大規模な定量的研究を行った。
論文 参考訳(メタデータ) (2023-07-20T16:07:02Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳(メタデータ) (2023-07-10T01:26:48Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳(メタデータ) (2022-12-01T07:32:56Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-12-23T15:52:37Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳(メタデータ) (2021-12-20T03:38:37Z) - Self-Attentive Spatial Adaptive Normalization for Cross-Modality Domain
Adaptation [9.659642285903418]
放射線科医の費用負担を軽減するための医用画像のクロスモダリティ合成
本稿では,教師なしまたは教師なし(非ペア画像データ)の設定が可能な医用画像における画像から画像への変換手法を提案する。
論文 参考訳(メタデータ) (2021-03-05T16:22:31Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Interpreting Medical Image Classifiers by Optimization Based
Counterfactual Impact Analysis [2.512212190779389]
医用画像に適合したモデル唾液度マッピングフレームワークを提案する。
本手法は, 工芸品を不明瞭に回避する, 強い近傍条件の塗工法に置き換える。
論文 参考訳(メタデータ) (2020-04-03T14:59:08Z)
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。