Fugu-MT 論文翻訳(概要): Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial Neural Networks

論文の概要: Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial Neural Networks

arxiv url: http://arxiv.org/abs/2112.13264v1
Date: Sat, 25 Dec 2021 18:05:48 GMT
ステータス: 処理完了
システム内更新日: 2021-12-29 07:31:48.972067
Title: Artifact Reduction in Fundus Imaging using Cycle Consistent Adversarial Neural Networks
Title（参考訳）: cycle consistent adversarial neural network を用いた眼底画像のアーチファクト削減
Authors: Sai Koushik S S, and K.G. Srinivasa
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Fundus images are very useful in identifying various ophthalmic disorders. However, due to the presence of artifacts, the visibility of the retina is severely affected. This may result in misdiagnosis of the disorder which may lead to more complicated problems. Since deep learning is a powerful tool to extract patterns from data without much human intervention, they can be applied to image-to-image translation problems. An attempt has been made in this paper to automatically rectify such artifacts present in the images of the fundus. We use a CycleGAN based model which consists of residual blocks to reduce the artifacts in the images. Significant improvements are seen when compared to the existing techniques.
Abstract（参考訳）: 眼底画像は様々な眼疾患の同定に非常に有用である。しかし、人工物の存在により、網膜の視認性は深刻な影響を受ける。これは疾患の誤診を引き起こし、より複雑な問題を引き起こす可能性がある。ディープラーニングは、人間の介入を伴わないデータからパターンを抽出する強力なツールであるため、画像から画像への変換問題にも適用できる。本論文では, 底面画像に存在する人工物を自動的に修正する試みを行っている。我々は、画像のアーティファクトを減らすために、残差ブロックからなるcycleganベースのモデルを使用する。既存の技術と比べて大きな改善が見られる。

関連論文リスト

Generating Realistic Counterfactuals for Retinal Fundus and OCT Images using Diffusion Models [36.81751569090276]
否定的推論は、意思決定の説明や代替案の定量化のために臨床現場でしばしば用いられる。ここでは,網膜疾患分類タスクを訓練した逆向き頑健な分類器と併用した拡散モデルを用いることで,極めて現実的な対物生成が可能であることを実証する。ユーザスタディにおいて、ドメインの専門家は、我々の手法を用いて生成された偽物は、以前の方法から生成された偽物よりもはるかに現実的であり、実際の画像と区別できないものさえ見出した。
論文参考訳（メタデータ） (2023-11-20T09:28:04Z)
DeepContrast: Deep Tissue Contrast Enhancement using Synthetic Data Degradations and OOD Model Predictions [6.550912532749276]
本稿では,顕微鏡画像のぼかしとコントラスト損失に対処する新しい手法を提案する。まず, 深部組織画像劣化の近似モデルを用いて, 顕微鏡画像の品質をさらに劣化させた。我々は、生成した生画像と劣化画像から、この劣化機能の逆転を学習するニューラルネットワークを訓練した。
論文参考訳（メタデータ） (2023-08-16T13:40:01Z)
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)
Artifact Removal in Histopathology Images [2.973752436440099]
CycleGANsのような画像から画像への変換ネットワークは、未使用のデータからアーティファクト削除関数を学習することができる。本稿では, 人工物除去に伴う代入問題を特定し, これに対処するためのCycleGANの弱教師付き拡張を提案する。 TCGAデータベースからアーティファクトとクリーンタイルからなるパン缶データセットを作成した。
論文参考訳（メタデータ） (2022-11-29T12:44:45Z)
LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
論文参考訳（メタデータ） (2021-12-04T16:42:13Z)
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)
Learning MRI Artifact Removal With Unpaired Data [74.48301038665929]
振り返りアーティファクト補正(RAC)は、画像の質を向上し、画像のユーザビリティを向上させる。最近のRACの機械学習駆動技術は、主に教師付き学習に基づいている。ここでは、不要な画像アーティファクトを、未ペアデータで学習したRACニューラルネットワークを介して、画像から切り離し、取り除くことができることを示す。
論文参考訳（メタデータ） (2021-10-09T16:09:27Z)
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)
Weakly- and Semi-Supervised Probabilistic Segmentation and Quantification of Ultrasound Needle-Reverberation Artifacts to Allow Better AI Understanding of Tissue Beneath Needles [0.0]
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。
論文参考訳（メタデータ） (2020-11-24T08:34:38Z)
Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文参考訳（メタデータ） (2020-05-12T08:01:16Z)
Fundus2Angio: A Conditional GAN Architecture for Generating Fluorescein Angiography Images from Retinal Fundus Photography [0.0]
フルオレセイン血管造影画像を生成する非侵襲的なシステムはない。ファンドス撮影は、数秒で完了する非侵襲的なイメージング技術である。本稿では,基礎画像からFA画像へ変換する条件付き生成対向ネットワーク(GAN)を提案する。
論文参考訳（メタデータ） (2020-05-11T17:09:29Z)

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。