論文の概要: A Novel Hybrid Endoscopic Dataset for Evaluating Machine Learning-based
Photometric Image Enhancement Models
- arxiv url: http://arxiv.org/abs/2207.02396v1
- Date: Wed, 6 Jul 2022 01:47:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-08 01:41:51.807341
- Title: A Novel Hybrid Endoscopic Dataset for Evaluating Machine Learning-based
Photometric Image Enhancement Models
- Title(参考訳): 機械学習に基づく測光画像強調モデル評価のための新しいハイブリッド内視鏡データセット
- Authors: Axel Garcia-Vega, Ricardo Espinosa, Gilberto Ochoa-Ruiz, Thomas Bazin,
Luis Eduardo Falcon-Morales, Dominique Lamarque, Christian Daul
- Abstract要約: 本研究は, 生成逆数的手法により生成される新しい合成データ集合を導入する。
また、過度の露光および過度の露光条件において、浅いベースと深層学習に基づく画像強調法の両方を探索する。
- 参考スコア(独自算出の注目度): 0.9236074230806579
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Endoscopy is the most widely used medical technique for cancer and polyp
detection inside hollow organs. However, images acquired by an endoscope are
frequently affected by illumination artefacts due to the enlightenment source
orientation. There exist two major issues when the endoscope's light source
pose suddenly changes: overexposed and underexposed tissue areas are produced.
These two scenarios can result in misdiagnosis due to the lack of information
in the affected zones or hamper the performance of various computer vision
methods (e.g., SLAM, structure from motion, optical flow) used during the non
invasive examination. The aim of this work is two-fold: i) to introduce a new
synthetically generated data-set generated by a generative adversarial
techniques and ii) and to explore both shallow based and deep learning-based
image-enhancement methods in overexposed and underexposed lighting conditions.
Best quantitative results (i.e., metric based results), were obtained by the
deep-learnnig-based LMSPEC method,besides a running time around 7.6 fps)
- Abstract(参考訳): 内視鏡は中空臓器内のがんやポリープの検出に最も広く用いられる医療技術である。
しかし、内視鏡で取得した画像は、啓蒙源方位による照明アーチファクトに影響されることが多い。
内視鏡の光源が突然変化するとき、2つの大きな問題がある:過剰露出と過露出の組織領域が生成される。
これらの2つのシナリオは、非侵襲的な検査で使用される様々なコンピュータビジョン手法(SLAM、動きからの構造、光の流れなど)のパフォーマンスを阻害する、影響ゾーンの情報不足による誤診を引き起こす可能性がある。
この作品の目的は2つある。
一 生成的敵意的手法により生成された新規な合成生成データセットを導入すること。
二 過度の露光及び過度の露光における浅層学習と深層学習に基づく画像強調法の両方を探求すること。
最良定量結果(すなわちメートル法に基づく結果)はdeep-learnnigベースのlmspec法によって得られ、実行時間は7.6 fpsである。
関連論文リスト
- LightNeuS: Neural Surface Reconstruction in Endoscopy using Illumination
Decline [45.49984459497878]
単眼内視鏡で取得した画像から3次元再構成を行う手法を提案する。
第一に、内的空洞は水密であり、符号付き距離関数でモデル化することによって自然に強制される性質である。
第二に、シーンの照明は可変であり、それは内視鏡の光源から来ており、四角い距離と表面との逆転で崩壊する。
論文 参考訳(メタデータ) (2023-09-06T06:41:40Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳(メタデータ) (2023-08-31T04:58:17Z) - Learning How To Robustly Estimate Camera Pose in Endoscopic Videos [5.073761189475753]
カメラポーズ推定における2つの幾何学的損失を最小限に抑えるために,奥行きと光学的流れを推定するステレオ内視鏡の解を提案する。
最も重要なことは、入力画像の内容に応じてコントリビューションのバランスをとるために、2つの学習された画素単位の重みマッピングを導入することである。
パブリックなSCAREDデータセットに対する我々のアプローチを検証するとともに、新たなインビボデータセットであるStereoMISを導入しています。
論文 参考訳(メタデータ) (2023-04-17T07:05:01Z) - Multi-Scale Structural-aware Exposure Correction for Endoscopic Imaging [0.879504058268139]
このコントリビューションはLMSPECの目的関数の拡張であり、これはもともと自然のシーンからの画像を強化するために導入された方法である。
ここでは、内視鏡画像における露出補正と構造情報の保存に使用される。
Endo4IEデータセット上でテストされ、提案された実装は、オーバーエクスプロイトされた画像に対してそれぞれ4.40%と4.21%のSSIM増加を得た。
論文 参考訳(メタデータ) (2022-10-26T21:04:54Z) - 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) - A Temporal Learning Approach to Inpainting Endoscopic Specularities and
Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。
これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。
また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文 参考訳(メタデータ) (2022-03-31T13:14:00Z) - 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) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳(メタデータ) (2021-05-18T10:15:17Z) - Compressive lensless endoscopy with partial speckle scanning [10.580608180863775]
マルチコアファイバ (MCF) を用いたレンズレス内視鏡では、一般に空間光変調器 (SLM) を用いて、MCFの出力において数百個のビームレットを集中点にコヒーレントに結合する。
本稿では,leにおける蛍光イメージングにslmを用いるのを回避し,取得時間を短縮した新しい走査方式である部分スペックル走査(pss)を提案する。
論文 参考訳(メタデータ) (2021-04-22T09:40:28Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳(メタデータ) (2020-05-12T08:01:16Z)
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。