論文の概要: Sparse-based Domain Adaptation Network for OCTA Image Super-Resolution
Reconstruction
- arxiv url: http://arxiv.org/abs/2207.11882v1
- Date: Mon, 25 Jul 2022 02:59:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:34:37.284647
- Title: Sparse-based Domain Adaptation Network for OCTA Image Super-Resolution
Reconstruction
- Title（参考訳）: 超解像再構成のためのスパースベース領域適応ネットワーク
- Authors: Huaying Hao, Cong Xu, Dan Zhang, Qifeng Yan, Jiong Zhang, Yue Liu,
Yitian Zhao
- Abstract要約: Sparse-based domain Adaptation Super-Resolution Network (SASR) を提案し、リアルな6x6 mm2/low- resolution (LR) OCTA画像を高分解能(HR)表現に再構成する。
2つのOCTA集合の実験により,本手法は最先端の超解像再構成法よりも優れた性能を示した。
- 参考スコア（独自算出の注目度）: 24.118675257774655
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retinal Optical Coherence Tomography Angiography (OCTA) with high-resolution
is important for the quantification and analysis of retinal vasculature.
However, the resolution of OCTA images is inversely proportional to the field
of view at the same sampling frequency, which is not conducive to clinicians
for analyzing larger vascular areas. In this paper, we propose a novel
Sparse-based domain Adaptation Super-Resolution network (SASR) for the
reconstruction of realistic 6x6 mm2/low-resolution (LR) OCTA images to
high-resolution (HR) representations. To be more specific, we first perform a
simple degradation of the 3x3 mm2/high-resolution (HR) image to obtain the
synthetic LR image. An efficient registration method is then employed to
register the synthetic LR with its corresponding 3x3 mm2 image region within
the 6x6 mm2 image to obtain the cropped realistic LR image. We then propose a
multi-level super-resolution model for the fully-supervised reconstruction of
the synthetic data, guiding the reconstruction of the realistic LR images
through a generative-adversarial strategy that allows the synthetic and
realistic LR images to be unified in the feature domain. Finally, a novel
sparse edge-aware loss is designed to dynamically optimize the vessel edge
structure. Extensive experiments on two OCTA sets have shown that our method
performs better than state-of-the-art super-resolution reconstruction methods.
In addition, we have investigated the performance of the reconstruction results
on retina structure segmentations, which further validate the effectiveness of
our approach.
- Abstract（参考訳）: 高分解能網膜光コヒーレンス断層撮影(OCTA)は網膜血管の定量化と解析に重要である。
しかし、オクター像の分解能は、同じサンプリング周波数で視野に逆比例しており、より大きな血管領域を分析する臨床医には向いていない。
本稿では, 6x6 mm2/low- resolution (LR) OCTA 画像から高分解能 (HR) 表現への再構成を目的とした, Sparse-based domain Adaptation Super-Resolution Network (SASR) を提案する。
より具体的には、3x3 mm2/高分解能(HR)画像の簡単な分解を行い、合成LR画像を得る。
次に、合成LRに対応する3x3mm2画像領域を6x6mm2画像内に登録して、収穫したリアルLR画像を得る効率的な登録方法を用いる。
次に,合成データの完全教師付き再構成のためのマルチレベル超解像モデルを提案し,合成と現実のLR画像が特徴領域に統一されるような生成的・逆方向戦略により,現実的なLR画像の再構成を導く。
最後に, 血管端構造を動的に最適化する新規な疎いエッジ認識損失を設計する。
2つのOCTA集合に対する大規模な実験により,本手法は最先端の超解像再構成法よりも優れた性能を示した。
また,本手法の有効性をさらに検証するために,網膜構造分節の再構成結果の性能について検討した。
関連論文リスト
- Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。
ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文 参考訳（メタデータ） (2023-04-19T15:53:09Z) - DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image
Super-Resolution [15.694407977871341]
実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。
既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。
本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
論文 参考訳（メタデータ） (2022-12-15T04:34:57Z) - Real-World Image Super Resolution via Unsupervised Bi-directional Cycle
Domain Transfer Learning based Generative Adversarial Network [14.898170534545727]
UBCDTLGAN(Unsupervised Bi-directional Cycle Domain Transfer Learning-based Generative Adrial Network)を提案する。
まず、UBCDTNは、人工劣化領域から実世界の画像領域にLR画像を転送することで、近似された実状LR画像を生成することができる。
第二に、SESRNは、近似されたリアルライクなLR画像をフォトリアリスティックなHR画像に超解ける能力を持っている。
論文 参考訳（メタデータ） (2022-11-19T02:19:21Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - SRR-Net: A Super-Resolution-Involved Reconstruction Method for High
Resolution MR Imaging [7.42807471627113]
提案するsrr-netは、視覚品質と知覚品質の両方の高分解能脳画像を復元することができる。
In-vivo HR Multi-coil 脳データを用いた実験の結果,提案したSRR-Netは高分解能脳画像の復元が可能であることが示唆された。
論文 参考訳（メタデータ） (2021-04-13T02:19:12Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳（メタデータ） (2020-12-28T08:24:04Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳（メタデータ） (2020-12-18T08:25:39Z) - Deep Cyclic Generative Adversarial Residual Convolutional Networks for
Real Image Super-Resolution [20.537597542144916]
我々は、LRとHRデータ分布間の領域整合性を維持するために、深い循環ネットワーク構造を考える。
本稿では,LRからHRドメインへの変換のためのGAN(Generative Adversarial Network)フレームワークを用いた学習により,超解像残留周期生成逆ネットワーク(SRResCycGAN)を提案する。
論文 参考訳（メタデータ） (2020-09-07T11:11:18Z) - Joint Generative Learning and Super-Resolution For Real-World
Camera-Screen Degradation [6.14297871633911]
現実世界の単一画像超解像(SISR)タスクでは、低解像度画像はより複雑な劣化に苦しむ。
本稿では,カメラ画面の劣化に着目し,実世界のデータセット(Cam-ScreenSR)を構築する。
まず、ダウンサンプリング劣化GAN(DD-GAN)をトレーニングし、その分解をモデル化し、より多様なLR画像を生成する。
そして、二重残差チャネルアテンションネットワーク(DuRCAN)がSR画像の復元を学習する。
論文 参考訳（メタデータ） (2020-08-01T07:10:13Z) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文 参考訳（メタデータ） (2020-04-02T17:59:04Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。