論文の概要: Noise Conscious Training of Non Local Neural Network powered by Self
Attentive Spectral Normalized Markovian Patch GAN for Low Dose CT Denoising
- arxiv url: http://arxiv.org/abs/2011.05684v1
- Date: Wed, 11 Nov 2020 10:44:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 23:49:11.828071
- Title: Noise Conscious Training of Non Local Neural Network powered by Self
Attentive Spectral Normalized Markovian Patch GAN for Low Dose CT Denoising
- Title（参考訳）: 低線量CT用自己減衰スペクトル正規化マルコフパッチGANを用いた非局所ニューラルネットワークのノイズ意識トレーニング
- Authors: Sutanu Bera, Prabir Kumar Biswas
- Abstract要約: 深層学習技術は低線量CT(LDCT) denoisingの主流の方法として現れている。
そこで本研究では,CT画像の近傍類似性を利用した新しい畳み込みモジュールを提案する。
次に,CTノイズの非定常性の問題に向けて移動し,LDCT復調のための新しいノイズ認識平均二乗誤差損失を導入した。
- 参考スコア（独自算出の注目度）: 20.965610734723636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The explosive rise of the use of Computer tomography (CT) imaging in medical
practice has heightened public concern over the patient's associated radiation
dose. However, reducing the radiation dose leads to increased noise and
artifacts, which adversely degrades the scan's interpretability. Consequently,
an advanced image reconstruction algorithm to improve the diagnostic
performance of low dose ct arose as the primary concern among the researchers,
which is challenging due to the ill-posedness of the problem. In recent times,
the deep learning-based technique has emerged as a dominant method for low dose
CT(LDCT) denoising. However, some common bottleneck still exists, which hinders
deep learning-based techniques from furnishing the best performance. In this
study, we attempted to mitigate these problems with three novel accretions.
First, we propose a novel convolutional module as the first attempt to utilize
neighborhood similarity of CT images for denoising tasks. Our proposed module
assisted in boosting the denoising by a significant margin. Next, we moved
towards the problem of non-stationarity of CT noise and introduced a new noise
aware mean square error loss for LDCT denoising. Moreover, the loss mentioned
above also assisted to alleviate the laborious effort required while training
CT denoising network using image patches. Lastly, we propose a novel
discriminator function for CT denoising tasks. The conventional vanilla
discriminator tends to overlook the fine structural details and focus on the
global agreement. Our proposed discriminator leverage self-attention and
pixel-wise GANs for restoring the diagnostic quality of LDCT images. Our method
validated on a publicly available dataset of the 2016 NIH-AAPM-Mayo Clinic Low
Dose CT Grand Challenge performed remarkably better than the existing state of
the art method.
- Abstract（参考訳）: 医療実践におけるCT(Computer Tomography)画像の使用の爆発的増加は、患者の放射線線量に対する公衆の関心を高めている。
しかし、放射線線量を減らすことでノイズやアーティファクトが増加し、スキャンの解釈可能性が低下する。
その結果、低線量ctの診断性能を向上させるための高度な画像再構成アルゴリズムが研究者の第一の関心事となった。
近年,低線量CT(LDCT)の主流手法として深層学習技術が出現している。
しかし、いくつかの一般的なボトルネックがまだ存在し、ディープラーニングベースのテクニックが最高のパフォーマンスを提供するのを妨げる。
本研究では,これらの問題を3つの新しい付加法で緩和する試みを行った。
まず,CT画像の近傍類似性をタスクの認知に活用するための新しい畳み込みモジュールを提案する。
提案モジュールはデノナイジングを顕著なマージンで促進するのに役立った。
次に,CTノイズの非定常性の問題に向けて移動し,LDCT復調のための新しいノイズ認識平均二乗誤差損失を導入した。
また、上記の損失は画像パッチを用いたct除音ネットワークの訓練に要する労力の軽減にも寄与した。
最後に,CTのタスクを識別する新しい識別機能を提案する。
従来のバニラ識別器は、微細構造の詳細を見落とし、グローバルな合意に集中する傾向にある。
LDCT画像の診断品質の回復には,自己注意と画素単位のGANが有効である。
2016年nih-aapm-mayoクリニック低線量ctグランドチャレンジの公開データセット上で検証した手法は,既存の手法よりも著しく優れていた。
関連論文リスト
- 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) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - 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) - 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) - 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) - DU-GAN: Generative Adversarial Networks with Dual-Domain U-Net Based
Discriminators for Low-Dose CT Denoising [22.351540738281265]
LDCT画像の画質向上のために, ディープラーニング技術が導入されている。
本稿では, DA-GAN と呼ばれる新しい手法を提案する。この手法は, GANs フレームワークにおける U-Net ベースの識別器を用いて, 正規化画像と正規化画像のグローバル・ローカル差分を学習する。
論文 参考訳（メタデータ） (2021-08-24T14:37:46Z) - Task-Oriented Low-Dose CT Image Denoising [11.278150927185994]
本稿では,下流タスクの知識を活かしたタスク指向のネットワーク(TOD-Net)を提案する。
提示された作品は、コンテキストアウェアな画像ノイズ除去手法の将来の開発に光を当てるかもしれない。
論文 参考訳（メタデータ） (2021-03-25T01:47:55Z) - No-reference denoising of low-dose CT projections [2.7716102039510564]
低線量CT (LDCT) は放射線学において明らかな傾向を呈し, 患者への過剰なX線照射の回避が望まれる。
放射線線量減少は患者のリスクを減少させるが、ノイズレベルを上昇させ、画像の品質と診断値に影響を及ぼす。
1つの緩和オプションは、ディープラーニングアルゴリズムを用いてデノナイジングモデルを訓練するために、低線量および高線量CTプロジェクションのペアを検討することである。
本稿では,従来の自己監督法と異なり,新しい自己監督法を提案する。
論文 参考訳（メタデータ） (2021-02-03T13:51:33Z) - 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)
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。