論文の概要: Continuous Conversion of CT Kernel using Switchable CycleGAN with AdaIN

• arxiv url: http://arxiv.org/abs/2011.13150v2
• Date: Mon, 26 Apr 2021 00:51:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 08:29:57.125117
• Title: Continuous Conversion of CT Kernel using Switchable CycleGAN with AdaIN
• Title（参考訳）: AdaINを用いた切換え型サイクロンを用いたCTカーネルの連続変換
• Authors: Serin Yang, Eung Yeop Kim, and Jong Chul Ye
• Abstract要約: 本稿では,インスタンス適応正規化(AdaIN)を用いたサイクル一貫性生成逆数ネットワーク(cycleGAN)を用いた新しい連続カーネル変換法を提案する。 本手法は, 教師付き学習法に匹敵する正確なカーネル変換を可能にするだけでなく, 下咽頭癌診断に有用な未確認領域の中間核画像も生成できることを示す。
• 参考スコア（独自算出の注目度）: 37.56855009521612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: X-ray computed tomography (CT) uses different filter kernels to highlight different structures. Since the raw sinogram data is usually removed after the reconstruction, in case there are additional need for other types of kernel images that were not previously generated, the patient may need to be scanned again. Accordingly, there exists increasing demand for post-hoc image domain conversion from one kernel to another without sacrificing the image quality. In this paper, we propose a novel unsupervised continuous kernel conversion method using cycle-consistent generative adversarial network (cycleGAN) with adaptive instance normalization (AdaIN). Even without paired training data, not only can our network translate the images between two different kernels, but it can also convert images along the interpolation path between the two kernel domains. We also show that the quality of generated images can be further improved if intermediate kernel domain images are available. Experimental results confirm that our method not only enables accurate kernel conversion that is comparable to supervised learning methods, but also generates intermediate kernel images in the unseen domain that are useful for hypopharyngeal cancer diagnosis.
• Abstract（参考訳）: X線CT(CT)は異なるフィルタカーネルを用いて異なる構造をハイライトする。 生のシンノグラムデータは、通常、復元後に削除されるため、以前に生成されなかった他のタイプのカーネルイメージが必要となる場合、患者は再度スキャンする必要がある。 したがって、イメージ品質を犠牲にすることなく、あるカーネルから別のカーネルへのポストホックなイメージドメイン変換の需要が高まっている。 本稿では,適応インスタンス正規化(adain)を伴うサイクル整合生成型逆ネットワーク(cyclegan)を用いた,教師なし連続カーネル変換手法を提案する。 ペアトレーニングデータなしでも、2つの異なるカーネル間でイメージを変換できるだけでなく、2つのカーネルドメイン間の補間パスに沿ってイメージを変換することも可能です。 また、中間カーネル領域の画像が利用可能であれば、生成画像の品質をさらに向上できることを示す。 実験の結果,本手法は教師あり学習法に匹敵する正確なカーネル変換を可能にするだけでなく,下咽頭癌診断に有用な未確認領域の中間核画像も生成できることが確認された。

関連論文リスト

• Inter-vendor harmonization of Computed Tomography (CT) reconstruction kernels using unpaired image translation [7.398825519944107]
  CT生成における再構成カーネルは、画像のテクスチャを決定する。 調和化(カーネル変換)は、一貫性のない再構成カーネルによる測定の差を最小限にする。 我々は、SiemensとGEベンダーのNational Lung Screening Trialデータセットのハードとソフトの再構築カーネルを使用します。
  論文  参考訳（メタデータ） (2023-09-22T15:53:56Z)
• 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)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Adaptation to CT Reconstruction Kernels by Enforcing Cross-domain Feature Maps Consistency [0.06117371161379209]
  本研究は,スムーズで訓練し,鋭い再構築カーネル上で試験したモデルにおいて,新型コロナウイルスのセグメンテーション品質の低下を示すものである。 本稿では,F-Consistency(F-Consistency)と呼ばれる,教師なし適応手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T10:00:03Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Zero-Shot Domain Adaptation in CT Segmentation by Filtered Back Projection Augmentation [0.1197985185770095]
  ドメインシフトは、医療コンピュータビジョンにおける最も健全な課題の1つです。 コンピュータ断層撮影(CT)画像の再現過程における異なる畳み込みカーネルによる変動について検討する。 異なるカーネルによる再構成を模擬したシングラム空間におけるCT画像の簡易かつ驚くほど効率的な拡張手法であるフィルタバックプロジェクション拡張(FBPAug)を提案する。
  論文  参考訳（メタデータ） (2021-07-18T21:46:49Z)
• Properties of the After Kernel [11.4219428942199]
  ニューラル・タンジェント・カーネル(英: Neural Tangent Kernel、NTK)は、ニューラルネットワークを用いて定義されたカーネルの広いネットワーク限界である。 我々は、標準的なアーキテクチャを持つニューラルネットワークに対して、トレーニング後を除いて同じ埋め込みを用いて定義される「アフターカーネル」について研究する。
  論文  参考訳（メタデータ） (2021-05-21T21:50:18Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• Blur Invariant Kernel-Adaptive Network for Single Image Blind deblurring [0.886014926770622]
  本稿では,ぼやけたカーネルに関する情報を利用する,新しい,目が見えない,シングルイメージのデブロアリング手法を提案する。 まず、ぼやけた画像の分析に基づいて、適応的なぼやけたカーネルを生成するカーネル推定ネットワークを導入する。 本稿では,推定したぼやけたカーネルを用いて,シャープな画像を復元するデブロワーリングネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-09T03:53:33Z)
• Towards a Complete Pipeline for Segmenting Nuclei in Feulgen-Stained Images [52.946144307741974]
  頸部がんは世界で2番目に多いがんである。 本稿では,畳み込みニューラルネットワークを用いたフェールゲン安定画像中の核分割のための完全なパイプラインを提案する。 We achieved a overall IoU 0.78, showed the availableability of the approach of nuclear segmentation on Feulgen-stained images。
  論文  参考訳（メタデータ） (2020-02-19T18:14:57Z)

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。