論文の概要: Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image
- arxiv url: http://arxiv.org/abs/2103.01263v1
- Date: Mon, 1 Mar 2021 19:19:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 15:53:01.803651
- Title: Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image
- Title（参考訳）: サブニキスト検体超音波画像の深部展開復元
- Authors: Alon Mamistvalov and Yonina C. Eldar
- Abstract要約: 本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
- 参考スコア（独自算出の注目度）: 94.42139459221784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The most common technique for generating B-mode ultrasound (US) images is
delay and sum (DAS) beamforming, where the signals received at the transducer
array are sampled before an appropriate delay is applied. This necessitates
sampling rates exceeding the Nyquist rate and the use of a large number of
antenna elements to ensure sufficient image quality. Recently we proposed
methods to reduce the sampling rate and the array size relying on image
recovery using iterative algorithms, based on compressed sensing (CS) and the
finite rate of innovation (FRI) frameworks. Iterative algorithms typically
require a large number of iterations, making them difficult to use in
real-time. Here, we propose a reconstruction method from sub-Nyquist samples in
the time and spatial domain, that is based on unfolding the ISTA algorithm,
resulting in an efficient and interpretable deep network. The inputs to our
network are the subsampled beamformed signals after summation and delay in the
frequency domain, requiring only a subset of the US signal to be stored for
recovery. Our method allows reducing the number of array elements, sampling
rate, and computational time while ensuring high quality imaging performance.
Using \emph{in vivo} data we demonstrate that the proposed method yields
high-quality images while reducing the data volume traditionally used up to 36
times. In terms of image resolution and contrast, our technique outperforms
previously suggested methods as well as DAS and minimum-variance (MV)
beamforming, paving the way to real-time applicable recovery methods.
- Abstract（参考訳）: Bモード超音波(US)画像を生成する最も一般的な技術は、トランスデューサアレイで受信した信号を適切な遅延が適用される前にサンプリングする、遅延と和(DAS)ビームフォーミングである。
これにより、Nyquistレートを超えるサンプリングレートと、十分な画質を確保するために多数のアンテナ素子を使用する必要がある。
本研究では,圧縮センシング(cs)とfinite rate of innovation(fri)フレームワークを用いて,反復アルゴリズムを用いたサンプリングレートとアレイサイズを削減する手法を提案する。
反復アルゴリズムは通常、多数の反復を必要とするため、リアルタイムでの使用が困難になる。
本稿では,istaアルゴリズムの展開に基づく時間領域と空間領域におけるサブnyquistサンプルからの再構成法を提案する。
私たちのネットワークへの入力は、周波数領域の要約と遅延後のサブサンプルビームフォーミング信号であり、回復のために保存される米国の信号のサブセットのみを必要とします。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
emph{in vivo}データを用いて,従来の36倍までのデータ量を削減しつつ,高品質な画像が得られることを示す。
画像の解像度とコントラストの面では、提案手法とDASおよび最小分散(MV)ビームフォーミングよりも優れており、リアルタイムに適用可能なリカバリ手法への道が開けられている。
関連論文リスト
- bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。
Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。
本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:30:35Z) - Fast constrained sampling in pre-trained diffusion models [77.21486516041391]
拡散モデルは、大規模な生成画像モデルの分野を支配してきた。
本研究では,大規模な事前学習拡散モデルにおける高速拘束サンプリングのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-24T14:52:38Z) - Batch-FPM: Random batch-update multi-parameter physical Fourier ptychography neural network [0.933064392528114]
Fourier Ptychographic Microscopy (FPM) は、大規模視野での高解像度イメージングを可能にする計算イメージング技術である。
本稿では,バッチ更新勾配勾配(SGD)最適化戦略を用いた物理ニューラルネットワークに基づく高速かつ堅牢なFPM再構成手法を提案する。
本手法は,低露光時間暗視野画像などの低信号対雑音比データセットに対しても,コンバージェンス性能が向上する。
論文 参考訳（メタデータ） (2024-08-25T09:24:18Z) - Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。
提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。
提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文 参考訳（メタデータ） (2024-03-12T05:06:07Z) - Fast Sampling generative model for Ultrasound image reconstruction [3.3545464959630578]
本稿では,超音波信号とデータ駆動前のデータ一貫性を同時に実施する新しいサンプリングフレームワークを提案する。
高度な拡散モデルを利用することで、高品質な画像の生成が大幅に高速化される。
論文 参考訳（メタデータ） (2023-12-15T03:28:17Z) - RL-based Stateful Neural Adaptive Sampling and Denoising for Real-Time
Path Tracing [1.534667887016089]
モンテカルロ経路追跡は、現実的な画像合成の強力な手法であるが、低いサンプル数での高レベルのノイズに悩まされている。
本稿では,サンプリング重要度ネットワーク,遅延空間エンコーダネットワーク,デノイザネットワークをエンドツーエンドでトレーニングするフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-05T12:39:27Z) - Single-pass Object-adaptive Data Undersampling and Reconstruction for
MRI [6.599344783327054]
本稿では,畳み込みニューラルネットワークMNetを用いたデータ駆動型サンプリング手法を提案する。
ネットワークは、各オブジェクトに対する非常に限られた低周波k空間データを観測し、所望のアンダーサンプリングパターンを迅速に予測する。
高速MRI膝関節データセットの実験結果から,提案した学習アンダーサンプリングネットワークを用いて,4倍,8倍の加速度で物体特異的マスクを生成できることが示された。
論文 参考訳（メタデータ） (2021-11-17T16:06:06Z) - On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。
ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。
これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文 参考訳（メタデータ） (2021-07-02T15:10:42Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Training Variational Networks with Multi-Domain Simulations:
Speed-of-Sound Image Reconstruction [5.47832435255656]
変分ネットワーク(VN)は画像再構成における逆問題を最適化するための学習に基づく潜在的アプローチであることが示されている。
本稿では,従来のトランスデューサと単側組織アクセスを用いたパルスエコーSoS画像再構成問題に対するVNソリューションを初めて提示する。
提案手法とマルチソースドメイントレーニングを組み合わせることで,VNのドメイン適応能力を大幅に向上することを示す。
論文 参考訳（メタデータ） (2020-06-25T13:32:08Z)
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。