論文の概要: Reducing the Gibbs effect in multimodal medical imaging by the Fake Nodes Approach

• arxiv url: http://arxiv.org/abs/2202.10325v1
• Date: Mon, 21 Feb 2022 15:46:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 13:08:32.850181
• Title: Reducing the Gibbs effect in multimodal medical imaging by the Fake Nodes Approach
• Title（参考訳）: 偽ノードアプローチによるマルチモーダル医用画像におけるgibbs効果の低減
• Authors: Davide Poggiali and Diego Cecchin and Stefano De Marchi
• Abstract要約: 本稿では,一般的な再サンプリング手法を説明し,連続的かつ不連続な信号の場合の誤差を報告する。 本稿では,機能画像のオーバーサンプリング時のギブズ効果を低減するために,イメージ再サンプリングのためのフェイクノード方式を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is a common practice in multimodal medical imaging to undersample the anatomically-derived segmentation images to measure the mean activity of a co-acquired functional image. This practice avoids the resampling-related Gibbs effect that would occur in oversampling the functional image. As sides effect, waste of time and efforts are produced since the anatomical segmentation at full resolution is performed in many hours of computations or manual work. In this work we explain the commonly-used resampling methods and give errors bound in the cases of continuous and discontinuous signals. Then we propose a Fake Nodes scheme for image resampling designed to reduce the Gibbs effect when oversampling the functional image. This new approach is compared to the traditional counterpart in two significant experiments, both showing that Fake Nodes resampling gives smaller errors.
• Abstract（参考訳）: 解剖学的に抽出されたセグメンテーションイメージをアンサンプし、共取得機能画像の平均活動を測定することは、マルチモーダル医療画像において一般的な方法である。 このプラクティスでは、機能イメージのオーバーサンプリング時に発生するサンプル関連gibbs効果を回避する。 サイドエフェクトとして、フル解像度の解剖学的セグメンテーションが多くの時間計算や手作業で実行されるため、時間と労力の無駄が生じる。 本稿では,一般的な再サンプリング手法を説明し,連続信号や不連続信号の場合の誤差を報告する。 次に,機能画像オーバーサンプリング時のgibbs効果を低減すべく,画像再サンプリングのための偽ノードスキームを提案する。 この新たなアプローチは、フェイクノードの再サンプリングがより小さなエラーをもたらすことを示す2つの重要な実験において、従来のアプローチと比較される。

関連論文リスト

• What can we learn about a generated image corrupting its latent representation? [57.1841740328509]
  GANのボトルネックにおける潜在表現に基づいて画像品質を予測できるという仮説を考察する。 遅延表現を雑音で破壊し、複数の出力を生成することでこれを実現できる。
  論文  参考訳（メタデータ） (2022-10-12T14:40:32Z)
• Contrastive Image Synthesis and Self-supervised Feature Adaptation for Cross-Modality Biomedical Image Segmentation [8.772764547425291]
  CISFAは、画像ドメインの翻訳と、クロスモーダルなバイオメディカルなイメージセグメンテーションのための教師なしの機能適応に基づいている。 我々は,片側生成モデルを用いて,入力画像のサンプルパッチと対応する合成画像との重み付けパッチワイドコントラスト損失を付加する。 腹腔・全心に対するCTおよびMRI画像を含むセグメンテーションタスクについて検討した。
  論文  参考訳（メタデータ） (2022-07-27T01:49:26Z)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
  本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。 実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
  論文  参考訳（メタデータ） (2021-11-27T12:12:57Z)
• Compressed Sensing for Photoacoustic Computed Tomography Using an Untrained Neural Network [1.7237160821929758]
  光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。 測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。 本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:01:58Z)
• 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)
• A Loss Function for Generative Neural Networks Based on Watson's Perceptual Model [14.1081872409308]
  変動オートエンコーダ(VAE)を訓練して現実的な画像を生成するには、画像類似性に対する人間の認識を反映する損失関数が必要である。 本稿では,周波数空間における重み付き距離を計算し,輝度とコントラストマスキングを考慮したWatsonの知覚モデルに基づく損失関数を提案する。 実験では、新しい損失関数で訓練されたVAEが、現実的で高品質な画像サンプルを生成した。
  論文  参考訳（メタデータ） (2020-06-26T15:36:11Z)
• A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans [63.28835187934139]
  本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
  論文  参考訳（メタデータ） (2020-06-24T15:25:11Z)
• Desmoking laparoscopy surgery images using an image-to-image translation guided by an embedded dark channel [3.1706553206969916]
  腹腔鏡下手術では、$CO$注入による煙と解離ツールにより、画像の視認性が著しく低下する可能性がある。 本稿では,煙効果を除去するための新しい計算手法を提案する。 提案手法は,暗黒チャネルを組込みガイドマスクとして用いる画像から画像への条件付き生成対向ネットワークに基づいている。
  論文  参考訳（メタデータ） (2020-04-19T19:51:24Z)

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。