論文の概要: Weakly- and Semi-Supervised Probabilistic Segmentation and
Quantification of Ultrasound Needle-Reverberation Artifacts to Allow Better
AI Understanding of Tissue Beneath Needles
- arxiv url: http://arxiv.org/abs/2011.11958v2
- Date: Thu, 3 Jun 2021 18:57:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 13:54:00.841610
- Title: Weakly- and Semi-Supervised Probabilistic Segmentation and
Quantification of Ultrasound Needle-Reverberation Artifacts to Allow Better
AI Understanding of Tissue Beneath Needles
- Title（参考訳）: 超音波ニードル残響アーチファクトの弱・半監督的確率的セグメンテーションと定量化による組織受傷針のAI理解の向上
- Authors: Alex Ling Yu Hung, Edward Chen, John Galeotti
- Abstract要約: 人工物から所望の組織ベースのピクセル値を分離する確率論的ニードル・アンド・レバーベーション・アーティファクトセグメンテーション法を提案する。
提案手法は,最先端のアーティファクトセグメンテーション性能と一致し,アーティファクトの画素ごとのコントリビューションを,基礎となる解剖学に対して推定する新しい標準を設定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultrasound image quality has continually been improving. However, when
needles or other metallic objects are operating inside the tissue, the
resulting reverberation artifacts can severely corrupt the surrounding image
quality. Such effects are challenging for existing computer vision algorithms
for medical image analysis. Needle reverberation artifacts can be hard to
identify at times and affect various pixel values to different degrees. The
boundaries of such artifacts are ambiguous, leading to disagreement among human
experts labeling the artifacts. We propose a weakly- and semi-supervised,
probabilistic needle-and-reverberation-artifact segmentation algorithm to
separate the desired tissue-based pixel values from the superimposed artifacts.
Our method models the intensity decay of artifact intensities and is designed
to minimize the human labeling error. We demonstrate the applicability of the
approach and compare it against other segmentation algorithms. Our method is
capable of differentiating between the reverberations from artifact-free
patches as well as of modeling the intensity fall-off in the artifacts. Our
method matches state-of-the-art artifact segmentation performance and sets a
new standard in estimating the per-pixel contributions of artifact vs
underlying anatomy, especially in the immediately adjacent regions between
reverberation lines. Our algorithm is also able to improve the performance
downstream image analysis algorithms.
- Abstract（参考訳）: 超音波画像の品質は継続的に改善されている。
しかし、針やその他の金属物が組織内で操作されている場合、残響物は周囲の画質を著しく損なう可能性がある。
このような効果は、既存の医用画像解析のためのコンピュータビジョンアルゴリズムでは困難である。
針残響アーチファクトは、時には識別しにくく、様々なピクセル値に異なる程度に影響を及ぼす。
このようなアーティファクトの境界は曖昧であり、アーティファクトをラベル付けする人間の専門家の間では意見の相違が生じる。
本稿では,組織に基づく画素値と重畳されたアーチファクトを分離する,弱い教師付き,確率的針・残響・アーティファクトセグメンテーションアルゴリズムを提案する。
本手法は人工物強度の強度減衰をモデル化し,人間のラベル付け誤差を最小限に抑える。
提案手法の適用性を実証し,他のセグメンテーションアルゴリズムと比較する。
本手法は,アーティファクトフリーパッチからの残響を区別すると同時に,アーティファクトのインテンシティ・フォールオフをモデル化することができる。
本手法は最先端のアーティファクトセグメンテーション性能と一致し,特に残響線間の近接領域において,アーティファクトの画素当たりのコントリビューションと基盤解剖の関係を推定する新しい標準を定めている。
また,本アルゴリズムは,下流画像解析アルゴリズムの性能向上にも寄与する。
関連論文リスト
- Improving Quality Control of Whole Slide Images by Explicit Artifact Augmentation [3.202891318772088]
本研究は, スライド画像全体をアーティファクトで拡張する手法を提案する。
このツールは、外部ライブラリから所定の病理組織データセットにアーティファクトをシームレスに生成し、ブレンドする。
この評価は, アーティファクトの分類における有用性を示し, アーティファクトの種類によって0.10から0.01AUROCの改善を示す。
論文 参考訳（メタデータ） (2024-06-17T13:39:31Z) - Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。
提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。
生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文 参考訳（メタデータ） (2023-10-09T10:22:08Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Between Generating Noise and Generating Images: Noise in the Correct
Frequency Improves the Quality of Synthetic Histopathology Images for Digital
Pathology [0.0]
合成画像は、既存のデータセットを拡張し、AIアルゴリズムを改善し、検証する。
意味マスクに適切な空間周波数でランダムな単一画素ノイズを導入することで,合成画像の品質が劇的に向上することを示す。
我々の研究は、制限のないデータセットに対する需要に基づいて合成データを生成するためのシンプルで強力なアプローチを示唆している。
論文 参考訳（メタデータ） (2023-02-13T17:49:24Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - Contrastive Image Synthesis and Self-supervised Feature Adaptation for
Cross-Modality Biomedical Image Segmentation [8.772764547425291]
CISFAは、画像ドメインの翻訳と、クロスモーダルなバイオメディカルなイメージセグメンテーションのための教師なしの機能適応に基づいている。
我々は,片側生成モデルを用いて,入力画像のサンプルパッチと対応する合成画像との重み付けパッチワイドコントラスト損失を付加する。
腹腔・全心に対するCTおよびMRI画像を含むセグメンテーションタスクについて検討した。
論文 参考訳（メタデータ） (2022-07-27T01:49:26Z) - Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial
Neural Networks [0.0]
ディープラーニングは、人間の介入をあまり必要とせずにデータからパターンを抽出する強力なツールである。
根底のイメージに存在するこれらのアーティファクトを自動的に修正する試みが試みられている。
残余ブロックからなるCycleGANベースのモデルを用いて,画像中のアーティファクトを削減する。
論文 参考訳（メタデータ） (2021-12-25T18:05:48Z) - 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) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳（メタデータ） (2021-04-29T17:58:35Z) - Ultrasound Confidence Maps of Intensity and Structure Based on Directed
Acyclic Graphs and Artifact Models [0.0]
超音波イメージングには、減衰、影、回折、スペックルなど、モデル化が難しい固有の人工物がある。
これらのアーティファクトは、個々のピクセル値の確実性を評価する試みがなければ、画像解析アルゴリズムを混乱させる可能性がある。
超音波画像の音響物理特性に基づいた非巡回グラフを用いて画素値の解析を行う。
論文 参考訳（メタデータ） (2020-11-24T08:32:56Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。