論文の概要: Learning Ultrasound Rendering from Cross-Sectional Model Slices for Simulated Training

• arxiv url: http://arxiv.org/abs/2101.08339v1
• Date: Wed, 20 Jan 2021 21:58:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 01:18:27.940000
• Title: Learning Ultrasound Rendering from Cross-Sectional Model Slices for Simulated Training
• Title（参考訳）: シミュレーショントレーニングのための断面モデルスライスからの超音波レンダリング学習
• Authors: Lin Zhang, Tiziano Portenier, Orcun Goksel
• Abstract要約: 計算シミュレーションは、バーチャルリアリティーにおけるそのようなスキルの訓練を容易にする。 インタラクティブな時間に任意のレンダリングやシミュレーションプロセスをバイパスするためにここに提案します。 我々は、専用のジェネレータアーキテクチャと入力供給方式を備えた生成的対向フレームワークを使用する。
• 参考スコア（独自算出の注目度）: 13.640630434743837
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose. Given the high level of expertise required for navigation and interpretation of ultrasound images, computational simulations can facilitate the training of such skills in virtual reality. With ray-tracing based simulations, realistic ultrasound images can be generated. However, due to computational constraints for interactivity, image quality typically needs to be compromised. Methods. We propose herein to bypass any rendering and simulation process at interactive time, by conducting such simulations during a non-time-critical offline stage and then learning image translation from cross-sectional model slices to such simulated frames. We use a generative adversarial framework with a dedicated generator architecture and input feeding scheme, which both substantially improve image quality without increase in network parameters. Integral attenuation maps derived from cross-sectional model slices, texture-friendly strided convolutions, providing stochastic noise and input maps to intermediate layers in order to preserve locality are all shown herein to greatly facilitate such translation task. Results. Given several quality metrics, the proposed method with only tissue maps as input is shown to provide comparable or superior results to a state-of-the-art that uses additional images of low-quality ultrasound renderings. An extensive ablation study shows the need and benefits from the individual contributions utilized in this work, based on qualitative examples and quantitative ultrasound similarity metrics. To that end, a local histogram statistics based error metric is proposed and demonstrated for visualization of local dissimilarities between ultrasound images.
• Abstract（参考訳）: 目的。 超音波画像のナビゲーションと解釈に必要な高度な専門知識を考えると、計算シミュレーションはバーチャルリアリティーにおけるそのようなスキルの訓練を促進することができる。 レイトレーシングに基づくシミュレーションにより、現実的な超音波画像を生成することができる。 しかし、相互作用性に対する計算上の制約のため、画像の品質を妥協する必要がある。 方法。 そこで本研究では,非時間クリティカルなオフラインステージにおいて,このようなシミュレーションを行い,クロスセクションモデルスライスからシミュレーションフレームへの画像変換を学習することにより,インタラクティブな時間におけるレンダリングとシミュレーションのプロセスをバイパスする手法を提案する。 我々は,ネットワークパラメータを増大させることなく画像品質を大幅に向上させる,専用のジェネレータアーキテクチャと入力供給方式を備えた生成的対向フレームワークを使用する。 クロスセクションモデルスライスから導出される積分減衰マップ、テクスチャフレンドリーなストレート畳み込み、中間層に確率的ノイズと入力マップを提供して局所性を保つことにより、翻訳作業が大幅に容易になることを示す。 結果。 いくつかの品質指標から, 組織マップのみを入力とする提案手法は, 低品質超音波画像を用いた最先端技術に匹敵する, あるいは優れた結果をもたらすことを示す。 広範なアブレーション研究は、質的例と定量的超音波類似度指標に基づいて、本研究で利用される個々の貢献の必要性と利益を示している。 そこで,超音波画像間の局所的差異を可視化するために,局所ヒストグラム統計に基づく誤差メトリックを提案する。

関連論文リスト

• Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
  本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。 本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。 提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
  論文  参考訳（メタデータ） (2024-02-09T15:14:48Z)
• LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
  超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。 既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。 本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T16:29:39Z)
• APRF: Anti-Aliasing Projection Representation Field for Inverse Problem in Imaging [74.9262846410559]
  Sparse-view Computed Tomography (SVCT) は画像の逆問題である。 近年の研究では、インプリシット・ニューラル・リ表現(INR)を用いて、シングラムとCT画像の座標に基づくマッピングを構築している。 自己教師型SVCT再構成法の提案 -抗エイリアス射影表現場(APRF)- APRFは空間的制約によって隣接する投影ビュー間の連続的な表現を構築することができる。
  論文  参考訳（メタデータ） (2023-07-11T14:04:12Z)
• Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
  Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。 我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。 私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
  論文  参考訳（メタデータ） (2023-04-20T04:05:22Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Semantic Image Synthesis via Diffusion Models [159.4285444680301]
  Denoising Diffusion Probabilistic Models (DDPM) は様々な画像生成タスクにおいて顕著な成功を収めた。 セマンティック画像合成に関する最近の研究は、主に「GAN(Generative Adversarial Nets)」に追従している。
  論文  参考訳（メタデータ） (2022-06-30T18:31:51Z)
• Multi-scale Sparse Representation-Based Shadow Inpainting for Retinal OCT Images [0.261990490798442]
  網膜光コヒーレンス断層撮影(OCT)画像における表面血管による陰影領域の塗布は,正確で堅牢な機械解析と臨床診断に重要である。 近隣情報を伝播して徐々に行方不明地域を埋めるといった従来のシーケンスベースのアプローチは費用対効果が高い。 エンコーダ・デコーダネットワークのような深層学習に基づく手法は、自然な画像の描画タスクにおいて有望な結果を示している。 スパース表現と深層学習を相乗的に適用することにより,OCT画像のマルチスケールシャドウ塗装フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-23T09:37:14Z)
• 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)
• Content-Preserving Unpaired Translation from Simulated to Realistic Ultrasound Images [12.136874314973689]
  本稿では,シミュレーション画像と実画像の出現ギャップを橋渡しする新しい画像翻訳フレームワークを提案する。 この目的を達成するために,シミュレートされた画像とセマンティックセグメンテーションを併用する。
  論文  参考訳（メタデータ） (2021-03-09T22:35:43Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)
• Deep Image Translation for Enhancing Simulated Ultrasound Images [10.355140310235297]
  超音波シミュレーションは、ソノグラフィーを教育ツールとして訓練するためのインタラクティブな環境を提供することができる。 高い計算要求のため、画像品質と対話性の間にトレードオフがあり、おそらくは対話的なレートで準最適結果をもたらす。 シミュレーション画像の品質を一定時間で向上させることにより、このトレードオフを緩和する敵の訓練に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T21:05:27Z)

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。