論文の概要: Sketch guided and progressive growing GAN for realistic and editable ultrasound image synthesis

• arxiv url: http://arxiv.org/abs/2204.06929v1
• Date: Thu, 14 Apr 2022 12:50:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-15 13:06:22.076472
• Title: Sketch guided and progressive growing GAN for realistic and editable ultrasound image synthesis
• Title（参考訳）: 写実的かつ編集可能な超音波画像合成のためのスケッチガイドおよびプログレッシブ成長gan
• Authors: Jiamin Liang, Xin Yang, Yuhao Huang, Haoming Li, Shuangchi He, Xindi Hu, Zejian Chen, Wufeng Xue, Jun Cheng, Dong Ni
• Abstract要約: 本稿では,GANに基づく画像合成フレームワークを提案する。 我々は,高解像度でカスタマイズされたテクスチャ編集機能により,現実的なBモードUS画像を合成できる最初の作品を紹介する。 さらに、生成画像と実画像の高レベル特徴の差を最小限に抑えるために、特徴損失を提案する。
• 参考スコア（独自算出の注目度）: 12.32829386817706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound (US) imaging is widely used for anatomical structure inspection in clinical diagnosis. The training of new sonographers and deep learning based algorithms for US image analysis usually requires a large amount of data. However, obtaining and labeling large-scale US imaging data are not easy tasks, especially for diseases with low incidence. Realistic US image synthesis can alleviate this problem to a great extent. In this paper, we propose a generative adversarial network (GAN) based image synthesis framework. Our main contributions include: 1) we present the first work that can synthesize realistic B-mode US images with high-resolution and customized texture editing features; 2) to enhance structural details of generated images, we propose to introduce auxiliary sketch guidance into a conditional GAN. We superpose the edge sketch onto the object mask and use the composite mask as the network input; 3) to generate high-resolution US images, we adopt a progressive training strategy to gradually generate high-resolution images from low-resolution images. In addition, a feature loss is proposed to minimize the difference of high-level features between the generated and real images, which further improves the quality of generated images; 4) the proposed US image synthesis method is quite universal and can also be generalized to the US images of other anatomical structures besides the three ones tested in our study (lung, hip joint, and ovary); 5) extensive experiments on three large US image datasets are conducted to validate our method. Ablation studies, customized texture editing, user studies, and segmentation tests demonstrate promising results of our method in synthesizing realistic US images.
• Abstract（参考訳）: 超音波(US)画像は臨床診断における解剖学的構造検査に広く用いられている。 画像解析のための新しいソノグラフと深層学習に基づくアルゴリズムの訓練は通常、大量のデータを必要とする。 しかし,大規模us画像データの取得とラベリングは,特に頻度の低い疾患においては容易な作業ではない。 現実的なアメリカの画像合成は、この問題をかなり緩和することができる。 本稿では,gan(generative adversarial network)ベースの画像合成フレームワークを提案する。 私たちの主な貢献は 1) リアルなBモードUS画像を高解像度でカスタマイズしたテクスチャ編集機能で合成できる最初の作品を紹介する。 2)生成画像の構造的詳細性を高めるため,条件付きGANに補助スケッチガイダンスを導入することを提案する。 エッジスケッチをオブジェクトマスクに重ね合わせて,複合マスクをネットワーク入力として使用する。 3)高解像度のUS画像を生成するために,低解像度の画像から徐々に高解像度の画像を生成するプログレッシブトレーニング戦略を採用する。 さらに、生成画像と実画像の高次特徴の差を最小限に抑えるために、特徴損失を提案し、生成画像の品質をさらに向上させる。 4) 提案した米国画像合成法は非常に普遍的であり, 本研究で試験した3例(肺, 股関節, 卵巣)に加えて, その他の解剖学的構造の画像にも一般化可能である。 5) 提案手法を検証するために, 米国の3つの大規模画像データセットに関する広範囲な実験を行った。 実際のUS画像の合成において, アブレーション研究, テクスチャ編集, ユーザ研究, セグメンテーションテストが有効であることを示す。

関連論文リスト

• MedSyn: Text-guided Anatomy-aware Synthesis of High-Fidelity 3D CT Images [22.455833806331384]
  本稿では,テキスト情報によって誘導される高品質な3次元肺CT画像を作成するための革新的な手法を提案する。 現在の最先端のアプローチは、低解像度の出力に限られており、放射線学レポートの豊富な情報を不活用している。
  論文  参考訳（メタデータ） (2023-10-05T14:16:22Z)
• 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)
• MRIS: A Multi-modal Retrieval Approach for Image Synthesis on Diverse Modalities [19.31577453889188]
  多様なモダリティの画像を合成するために,マルチモーダルなメトリック学習に基づくアプローチを開発する。 3次元磁気共鳴(MR)画像から得られた軟骨厚図を2次元ラジオグラフィーで合成し,そのアプローチを検証した。
  論文  参考訳（メタデータ） (2023-03-17T20:58:55Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• 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)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Multi-Texture GAN: Exploring the Multi-Scale Texture Translation for Brain MR Images [1.9163481966968943]
  既存のアルゴリズムのかなりの割合は、ターゲットスキャナーからテクスチャの詳細を明示的に利用し保存することはできない。 本論文では,再構成イメージをより詳細に強調するために,マルチスケールテクスチャ転送の設計を行う。 本手法は,最先端手法において,プロトコール間あるいはスカンナ間翻訳において優れた結果が得られる。
  論文  参考訳（メタデータ） (2021-02-14T19:14:06Z)
• Hierarchical Amortized Training for Memory-efficient High Resolution 3D GAN [52.851990439671475]
  本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。 トレーニングと推論の異なる構成を使用することで、この目標を達成する。 3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2020-08-05T02:33:04Z)
• 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)
• Synthesis and Edition of Ultrasound Images via Sketch Guided Progressive Growing GANs [16.31231328779202]
  本稿では,米国における画像合成のための新しい枠組みを考案する。 まず、オブジェクトマスクに背景スケッチを導入するために、生成的対向ネットワーク(Sgan)をスケッチとして採用する。 スケッチの充実によって、Sganは編集可能できめ細かな構造の詳細を持つ、リアルなアメリカの画像を生成することができる。
  論文  参考訳（メタデータ） (2020-04-01T04:24:01Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。