論文の概要: Invertible Neural Networks for Uncertainty Quantification in Photoacoustic Imaging

• arxiv url: http://arxiv.org/abs/2011.05110v2
• Date: Mon, 23 Nov 2020 18:11:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 07:05:21.912207
• Title: Invertible Neural Networks for Uncertainty Quantification in Photoacoustic Imaging
• Title（参考訳）: 光音響イメージングにおける不確かさ定量化のためのインバータブルニューラルネットワーク
• Authors: Jan-Hinrich N\"olke, Tim Adler, Janek Gr\"ohl, Thomas Kirchner, Lynton Ardizzone, Carsten Rother, Ullrich K\"othe, Lena Maier-Hein
• Abstract要約: 本研究では、条件付き可逆ニューラルネットワーク(cINN)の概念を活用することにより、この特定の不確実性を扱うための新しいアプローチを提案する。 具体的には、組織酸素化と単画素初期圧力スペクトルを全後確率密度に変換するために一般的に用いられる点推定を超えることを提案する。 提示されたアーキテクチャに基づいて、この情報を利用して検出・定量化するだけでなく、不確かさを補う2つのユースケースを実証する。
• 参考スコア（独自算出の注目度）: 22.690971184202944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multispectral photoacoustic imaging (PAI) is an emerging imaging modality which enables the recovery of functional tissue parameters such as blood oxygenation. However, the underlying inverse problems are potentially ill-posed, meaning that radically different tissue properties may - in theory - yield comparable measurements. In this work, we present a new approach for handling this specific type of uncertainty by leveraging the concept of conditional invertible neural networks (cINNs). Specifically, we propose going beyond commonly used point estimates for tissue oxygenation and converting single-pixel initial pressure spectra to the full posterior probability density. This way, the inherent ambiguity of a problem can be encoded with multiple modes in the output. Based on the presented architecture, we demonstrate two use cases which leverage this information to not only detect and quantify but also to compensate for uncertainties: (1) photoacoustic device design and (2) optimization of photoacoustic image acquisition. Our in silico studies demonstrate the potential of the proposed methodology to become an important building block for uncertainty-aware reconstruction of physiological parameters with PAI.
• Abstract（参考訳）: multispectral photoacoustic imaging (pai) は、血液酸素化などの機能的組織パラメータの回復を可能にする新しいイメージングモードである。 しかし、根底にある逆問題には潜在的な欠陥があり、理論的に比較して、組織の性質が根本的に異なる可能性がある。 本研究では,条件付きインバータブルニューラルネットワーク(cinn)の概念を活用し,この不確実性に対処する新しい手法を提案する。 具体的には,組織酸素化の一般的な推定値を超えて,単画素初期圧力スペクトルを全後方確率密度に変換することを提案する。 このようにして、問題固有の曖昧さは出力の複数のモードで符号化できる。 提案するアーキテクチャに基づいて,(1)光音響デバイス設計と(2)光音響画像取得の最適化という不確かさを補うために,この情報を活用する2つのユースケースを実証する。 本研究は,本手法がPAIを用いた生理的パラメータの不確実性を考慮した復元のための重要なビルディングブロックとなる可能性を示すものである。

関連論文リスト

• 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)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• CNN-based regularisation for CT image reconstructions [0.0]
  X線CTインフラ(X-ray Computed Tomography Infrastructures)は、被検物体を横断する光の取得に頼り、その強度低下を計測する医療画像モダリティである。 物理測定は数学的再構成アルゴリズムによって後処理され、より弱いか最上位の整合性を保証する。 深層学習法、特に完全畳み込みネットワークは広範囲に研究され、そのようなずれをフィルタリングするのに効率的であることが証明されている。
  論文  参考訳（メタデータ） (2022-01-22T21:30:47Z)
• 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)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Compressed Sensing for Photoacoustic Computed Tomography Using an Untrained Neural Network [1.7237160821929758]
  光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。 測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。 本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:01:58Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Deep Probabilistic Imaging: Uncertainty Quantification and Multi-modal Solution Characterization for Computational Imaging [11.677576854233394]
  本稿では,再構成の不確かさを定量化するために,変分深い確率的イメージング手法を提案する。 Deep Probabilistic Imagingは、未学習の深部生成モデルを用いて、未観測画像の後部分布を推定する。
  論文  参考訳（メタデータ） (2020-10-27T17:23:09Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Class-Specific Blind Deconvolutional Phase Retrieval Under a Generative Prior [8.712404218757733]
  この問題はフーリエ・プチコグラフィー、X線結晶学、可視光通信など様々な画像モダリティで発生する。 本稿では,事前訓練された2つの深層生成ネットワークの下での交互勾配降下アルゴリズムを用いて,この逆問題の解法を提案する。 提案アルゴリズムは,前向き測定モデルを説明する各前駆体の範囲内で,シャープな画像とぼやけたカーネルを見つけ出そうとする。
  論文  参考訳（メタデータ） (2020-02-28T07:36:28Z)

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。