論文の概要: Robust PCA Unrolling Network for Super-resolution Vessel Extraction in
X-ray Coronary Angiography
- arxiv url: http://arxiv.org/abs/2204.08466v1
- Date: Sat, 16 Apr 2022 08:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 13:30:10.948090
- Title: Robust PCA Unrolling Network for Super-resolution Vessel Extraction in
X-ray Coronary Angiography
- Title（参考訳）: X線冠動脈造影における高分解能血管抽出のためのロバストPCAアンロリングネットワーク
- Authors: Binjie Qin, Haohao Mao, Yiming Liu, Jun Zhao, Yisong Lv, Yueqi Zhu,
Song Ding, Xu Chen
- Abstract要約: 超高分解能XCA血管イメージングのためのスパース特徴選択による新しいロバストPCAアンローリングネットワークを提案する。
提案手法は, 血管網及びその遠位血管の画像化において, 最先端の手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 17.761868762702296
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Although robust PCA has been increasingly adopted to extract vessels from
X-ray coronary angiography (XCA) images, challenging problems such as
inefficient vessel-sparsity modelling, noisy and dynamic background artefacts,
and high computational cost still remain unsolved. Therefore, we propose a
novel robust PCA unrolling network with sparse feature selection for
super-resolution XCA vessel imaging. Being embedded within a patch-wise
spatiotemporal super-resolution framework that is built upon a pooling layer
and a convolutional long short-term memory network, the proposed network can
not only gradually prune complex vessel-like artefacts and noisy backgrounds in
XCA during network training but also iteratively learn and select the
high-level spatiotemporal semantic information of moving contrast agents
flowing in the XCA-imaged vessels. The experimental results show that the
proposed method significantly outperforms state-of-the-art methods, especially
in the imaging of the vessel network and its distal vessels, by restoring the
intensity and geometry profiles of heterogeneous vessels against complex and
dynamic backgrounds.
- Abstract（参考訳）: x-ray coronary angiography (xca) 画像からの血管抽出にはロバストなpcaが採用されているが、非効率的な血管分離モデリング、ノイズとダイナミックな背景アーティファクト、高い計算コストといった課題は未解決のままである。
そこで本研究では,超高分解能XCA血管イメージングのためのスパース特徴選択によるロバストPCAアンローリングネットワークを提案する。
プール層と畳み込み長短期記憶ネットワーク上に構築されたパッチワイド時空間超解像フレームワークに組込み,ネットワークトレーニング中のXCAの複雑な容器状アーチファクトやノイズ背景を徐々に引き起こすだけでなく,XCAに流れる移動コントラストエージェントの高レベル時空間意味情報を反復的に学習し,選択することができる。
実験の結果, 提案手法は, 複雑な背景や動的背景に対して異種血管の強度と形状を復元することにより, 特に血管ネットワークとその遠位血管のイメージングにおいて, 最先端の手法よりも優れていた。
関連論文リスト
- Hybrid attention structure preserving network for reconstruction of under-sampled OCT images [0.30693357740321775]
我々は,HASPN(Hybrid attention structure Preserving Network)を提案する。
適応的拡張畳み込み型チャネルアテンション(ADCCA)と空間アテンション(ESA)を利用して特徴のチャネルと空間情報をよりよく捉えた。
HASPNは糖尿病黄斑浮腫網膜データセットに適用され、その優れた一般化能が検証された。
論文 参考訳（メタデータ） (2024-06-01T03:07:28Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - Restoring Vision in Hazy Weather with Hierarchical Contrastive Learning [53.85892601302974]
階層的コントラストデハージング(HCD)という,効果的な画像デハージング手法を提案する。
HCDは階層的脱ハージングネットワーク(HDN)と新しい階層的コントラスト損失(HCL)から構成される
論文 参考訳（メタデータ） (2022-12-22T03:57:06Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional
Network for Retinal OCT Fluid Segmentation [3.57686754209902]
OCTガイド下治療には網膜液の定量化が必要である。
RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。
モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
論文 参考訳（メタデータ） (2022-09-26T07:18:00Z) - Robust Implementation of Foreground Extraction and Vessel Segmentation
for X-ray Coronary Angiography Image Sequence [4.653742319057035]
X-ray coronary angiography (XCA) 画像からの造影血管の抽出は臨床的に重要である。
テンソルロバスト主成分分析(TRPCA)に基づく容器層抽出法を提案する。
不均質なコントラスト分布を有する容器画像に対しては,2段階成長(TSRG)法を用いて血管拡張とセグメンテーションを行う。
論文 参考訳（メタデータ） (2022-09-15T12:07:09Z) - Working memory inspired hierarchical video decomposition with
transformative representations [12.755084687208731]
本研究では,映像分解作業におけるフレキシブル・ヴィジュアル・ワーキング・メモリ・モデルを提案する。
視覚および認知神経科学の観点から、感覚層と制御層の間の変換表現を統合する。
実験により, 提案手法は, 正確な移動コントラスト充填槽抽出において, 最先端の手法を著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2022-04-21T13:49:43Z) - 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) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
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。