論文の概要: Generation of Artificial CT Images using Patch-based Conditional
Generative Adversarial Networks
- arxiv url: http://arxiv.org/abs/2205.09842v1
- Date: Thu, 19 May 2022 20:29:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-23 15:43:11.970121
- Title: Generation of Artificial CT Images using Patch-based Conditional
Generative Adversarial Networks
- Title(参考訳): Patch-based Conditional Generative Adversarial Networks を用いた人工CT画像の生成
- Authors: Marija Habijan, Irena Galic
- Abstract要約: 本稿では,条件付き判別器を用いた生成対向ネットワークを用いた画像生成手法を提案する。
心電図(CT)画像におけるGAN強調医用画像生成の可能性について検討した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deep learning has a great potential to alleviate diagnosis and prognosis for
various clinical procedures. However, the lack of a sufficient number of
medical images is the most common obstacle in conducting image-based analysis
using deep learning. Due to the annotations scarcity, semi-supervised
techniques in the automatic medical analysis are getting high attention.
Artificial data augmentation and generation techniques such as generative
adversarial networks (GANs) may help overcome this obstacle. In this work, we
present an image generation approach that uses generative adversarial networks
with a conditional discriminator where segmentation masks are used as
conditions for image generation. We validate the feasibility of GAN-enhanced
medical image generation on whole heart computed tomography (CT) images and its
seven substructures, namely: left ventricle, right ventricle, left atrium,
right atrium, myocardium, pulmonary arteries, and aorta. Obtained results
demonstrate the suitability of the proposed adversarial approach for the
accurate generation of high-quality CT images. The presented method shows great
potential to facilitate further research in the domain of artificial medical
image generation.
- Abstract(参考訳): 深層学習は様々な臨床手順の診断と予後を緩和する大きな可能性を秘めている。
しかし、十分な数の医療画像の欠如は、ディープラーニングを用いた画像分析の最も一般的な障害である。
アノテーションの不足により、自動医療分析における半監督技術が注目されている。
generative adversarial networks (gans) のような人工的なデータ拡張と生成技術は、この障害を克服するのに役立つかもしれない。
本稿では,画像生成の条件としてセグメンテーションマスクを用いる条件付き判別器を用いて,生成逆ネットワークを用いた画像生成手法を提案する。
右心室,右心室,左心房,右心房,心筋,肺動脈,大動脈の7つのサブ構造について,全心臓ct画像を用いたgan強調医用画像生成の有用性を確認した。
得られた結果は,高品質ct画像の高精度生成に向けた,提案手法の適用性を示している。
提案手法は, 人工医用画像生成分野におけるさらなる研究を促進する大きな可能性を示す。
関連論文リスト
- StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳(メタデータ) (2024-08-11T01:22:29Z) - Applying Conditional Generative Adversarial Networks for Imaging Diagnosis [3.881664394416534]
本研究は、スタックド・ホアーグラス・ネットワーク(SHGN)と統合されたコンディショナル・ジェネレーション・アドバイザリアル・ネットワーク(C-GAN)の革新的な応用を紹介する。
我々は、複雑な画像データセットに適用されるディープラーニングモデルに共通するオーバーフィッティングの問題に、回転とスケーリングを通じてデータを増大させることで対処する。
血管内超音波(IVUS)画像において,L1とL2再構成損失を併用したハイブリッド損失関数を導入する。
論文 参考訳(メタデータ) (2024-07-17T23:23:09Z) - Generative Adversarial Networks in Ultrasound Imaging: Extending Field of View Beyond Conventional Limits [1.6588671405657123]
TTE超音波イメージングは、特に視野(FoV)と解像度のトレードオフなど、固有の限界に直面している。
本稿では,条件付きジェネレーティブ・アドバイザリ・ネットワーク(cGAN)の新たな応用について紹介する。
提案したcGANアーキテクチャーはエコーGANと呼ばれ、アウトペイントにより現実的な解剖学的構造を生成する能力を示す。
論文 参考訳(メタデータ) (2024-05-31T16:26:30Z) - COIN: Counterfactual inpainting for weakly supervised semantic segmentation for medical images [3.5418498524791766]
本研究は, 新規なカウンターファクト・インパインティング・アプローチ(COIN)の開発である。
COINは、予測された分類ラベルを生成モデルを用いて異常から正常に反転させる。
本手法の有効性は,エストニアのタルツ大学病院から取得したCT画像から,合成標的と実際の腎腫瘍を分離することによって実証される。
論文 参考訳(メタデータ) (2024-04-19T12:09:49Z) - MITS-GAN: Safeguarding Medical Imaging from Tampering with Generative Adversarial Networks [48.686454485328895]
本研究では,医療画像の改ざんを防止する新しいアプローチであるMITS-GANを紹介する。
このアプローチは、人間の目には知覚できない微調整された摂動を導入することで、攻撃者のCT-GANアーキテクチャの出力を妨害する。
CTスキャンによる実験結果から,MITS-GANの優れた性能が確認された。
論文 参考訳(メタデータ) (2024-01-17T22:30:41Z) - 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) - AI-Enabled Ultra-Low-Dose CT Reconstruction [8.135337706680097]
本稿では,X線撮影と同等の低線量で画像品質を診断できるAIを用いたCT再構成法を提案する。
臨床データセットの再構成結果から,36個のプロジェクションからのSUGARを用いて優れた画像の再構成が可能であることが示された。
論文 参考訳(メタデータ) (2021-06-17T22:13:11Z) - Pathology-Aware Generative Adversarial Networks for Medical Image
Augmentation [0.22843885788439805]
GAN(Generative Adversarial Networks)は、現実的だが斬新なサンプルを生成し、実際の画像分布を効果的にカバーする。
この論文は、医師とのコラボレーションにおいて、そのような新しい応用の臨床的意義を提示することを目的とした4つのGANプロジェクトを含んでいる。
論文 参考訳(メタデータ) (2021-06-03T15:08:14Z) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳(メタデータ) (2021-01-12T23:02:26Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Design and Development of a Web-based Tool for Inpainting of Dissected
Aortae in Angiography Images [69.14026408176609]
提案した塗布ツールは、大動脈解離を塗布するタスクに基づいてトレーニングされたニューラルネットワークを組み合わせたものである。
ツールをWebアプリケーションとして設計することにより、ニューラルネットワークの使用を簡素化し、初期学習曲線を小さくする。
論文 参考訳(メタデータ) (2020-05-06T12:22:21Z)
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。