論文の概要: Autoencoding Low-Resolution MRI for Semantically Smooth Interpolation of Anisotropic MRI

• arxiv url: http://arxiv.org/abs/2202.09258v1
• Date: Fri, 18 Feb 2022 15:40:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-21 17:13:04.562889
• Title: Autoencoding Low-Resolution MRI for Semantically Smooth Interpolation of Anisotropic MRI
• Title（参考訳）: 異方性MRIのSmooth Interpolationにおける低分解能MRIの自動符号化
• Authors: J\"org Sander, Bob D. de Vos and Ivana I\v{s}gum
• Abstract要約: 符号化された低解像度例から新しい中間スライスを合成する教師なしのディープラーニングセマンティックアプローチを提案する。 この手法は, 立方体Bスプライン法よりも構造類似度指数測定とピーク信号対雑音比で有意に優れた結果が得られる。
• 参考スコア（独自算出の注目度）: 1.281734910003263
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-resolution medical images are beneficial for analysis but their acquisition may not always be feasible. Alternatively, high-resolution images can be created from low-resolution acquisitions using conventional upsampling methods, but such methods cannot exploit high-level contextual information contained in the images. Recently, better performing deep-learning based super-resolution methods have been introduced. However, these methods are limited by their supervised character, i.e. they require high-resolution examples for training. Instead, we propose an unsupervised deep learning semantic interpolation approach that synthesizes new intermediate slices from encoded low-resolution examples. To achieve semantically smooth interpolation in through-plane direction, the method exploits the latent space generated by autoencoders. To generate new intermediate slices, latent space encodings of two spatially adjacent slices are combined using their convex combination. Subsequently, the combined encoding is decoded to an intermediate slice. To constrain the model, a notion of semantic similarity is defined for a given dataset. For this, a new loss is introduced that exploits the spatial relationship between slices of the same volume. During training, an existing in-between slice is generated using a convex combination of its neighboring slice encodings. The method was trained and evaluated using publicly available cardiac cine, neonatal brain and adult brain MRI scans. In all evaluations, the new method produces significantly better results in terms of Structural Similarity Index Measure and Peak Signal-to-Noise Ratio (p< 0.001 using one-sided Wilcoxon signed-rank test) than a cubic B-spline interpolation approach. Given the unsupervised nature of the method, high-resolution training data is not required and hence, the method can be readily applied in clinical settings.
• Abstract（参考訳）: 高解像度の医療画像は分析に有用であるが、その取得が常に可能であるとは限らない。 あるいは、従来のアップサンプリング法を用いて、低解像度の取得から高分解能の画像を作成することができるが、そのような手法では画像に含まれる高レベルな文脈情報を活用できない。 近年,ディープラーニングに基づく超解像手法が提案されている。 しかし、これらの手法は教師付きの性格、すなわち訓練のために高分解能の例を必要とする。 代わりに、符号化された低解像度例から新しい中間スライスを合成する教師なしのディープラーニングセマンティック補間手法を提案する。 平面方向における意味的に滑らかな補間を実現するために、オートエンコーダによって生成される潜在空間を利用する。 新たな中間スライスを生成するために、2つの空間隣接スライスの潜時空間符号化を凸結合を用いて組み合わせる。 その後、複合符号化を中間スライスに復号する。 モデルを制約するために、あるデータセットに対して意味的類似性の概念を定義する。 このため、同じボリュームのスライス間の空間的関係を利用する新たな損失が導入された。 トレーニング中、隣接するスライス符号化の凸結合を用いて、既存の中間スライスを生成する。 本法は, 人工心臓, 新生児脳, 成人脳MRIを用いて訓練し, 評価した。 いずれの評価においても、新しい手法は立方体b-スプライン補間法よりも、構造的類似度指標とピーク信号対雑音比(p<0.0001)の点で有意に良い結果が得られる。 この方法の教師なしの性質から,高分解能なトレーニングデータを必要としないため,臨床現場でも容易に適用できる。

関連論文リスト

• 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)
• Data-Driven Interpolation for Super-Scarce X-Ray Computed Tomography [1.3535770763481902]
  浅層ニューラルネットワークを訓練し、隣接する2つの取得を中間角度で推定された測定値に組み合わせる。 これにより、標準的な方法で再構成できる拡張された測定シーケンスが得られる。 バイオメディカルデータセットを用いた2次元および3次元イメージングの結果を得た。
  論文  参考訳（メタデータ） (2022-05-16T15:42:41Z)
• An Embarrassingly Simple Consistency Regularization Method for Semi-Supervised Medical Image Segmentation [0.0]
  医用画像のセグメンテーションタスクでは,ピクセルレベルのアノテーションの不足が問題となっている。 半教師付き医用画像セグメンテーションのための計算ベースミキシングを含む新しい正規化戦略を導入する。
  論文  参考訳（メタデータ） (2022-02-01T16:21:14Z)
• 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)
• MetaSDF: Meta-learning Signed Distance Functions [85.81290552559817]
  ニューラルな暗示表現で形状を一般化することは、各関数空間上の学習先行値に比例する。 形状空間の学習をメタラーニング問題として定式化し、勾配に基づくメタラーニングアルゴリズムを利用してこの課題を解決する。
  論文  参考訳（メタデータ） (2020-06-17T05:14:53Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• Belief Propagation Reloaded: Learning BP-Layers for Labeling Problems [83.98774574197613]
  最も単純な推論手法の1つとして、切り詰められた最大積のBelief伝播を取り上げ、それをディープラーニングモデルの適切なコンポーネントにするために必要となるものを加えます。 このBP-Layerは畳み込みニューラルネットワーク(CNN)の最終ブロックまたは中間ブロックとして使用できる このモデルは様々な密集予測問題に適用可能であり、パラメータ効率が高く、ステレオ、光フロー、セマンティックセグメンテーションにおける堅牢な解を提供する。
  論文  参考訳（メタデータ） (2020-03-13T13:11:35Z)
• Weighted Encoding Based Image Interpolation With Nonlocal Linear Regression Model [8.013127492678272]
  超高解像度画像では、低解像度画像は、ぼやけやノイズを伴わずに、その高解像度画像から直接ダウンサンプリングされる。 この問題に対処するために,スパース表現に基づく新しい画像モデルを提案する。 クラスタリングではなく、オンラインの適応サブ辞書を学習するための新しいアプローチ。
  論文  参考訳（メタデータ） (2020-03-04T03:20:21Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)
• A deep learning approach for the computation of curvature in the level-set method [0.0]
  そこで本研究では,2次元暗黙曲線の平均曲率をレベルセット法で推定する手法を提案する。 我々のアプローチは、様々な解像度の均一な格子に没入した円柱から構築された合成データセットにフィードフォワードニューラルネットワークを適合させることに基づいている。
  論文  参考訳（メタデータ） (2020-02-04T00:49:47Z)
• Compressive MRI quantification using convex spatiotemporal priors and deep auto-encoders [2.5060548079588516]
  マルチパラメトリック画像計算のための辞書不要パイプラインを提案する。 提案手法は,圧縮型センシング再構成と定量的推論の2段階からなる。
  論文  参考訳（メタデータ） (2020-01-23T17:15:42Z)

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。