論文の概要: Transformer-Based Microbubble Localization
- arxiv url: http://arxiv.org/abs/2209.11859v1
- Date: Fri, 23 Sep 2022 21:13:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 17:27:49.520824
- Title: Transformer-Based Microbubble Localization
- Title（参考訳）: トランスを用いたマイクロバブルの局在化
- Authors: Sepideh K. Gharamaleki, Brandon Helfield, Hassan Rivaz
- Abstract要約: ULMは、エコー発生性マイクロバブル(MB)の局所化を利用して、微小循環の微細なサンプリングと画像化を行う新しい技術である。
従来のMBローカライゼーション手法は主に、MBの特定のポイントスプレッド関数(PSF)を考慮することに基づいている。
本稿では,この問題に対処するトランスフォーマーを用いたMBローカライズ手法を提案する。
- 参考スコア（独自算出の注目度）: 2.599882743586164
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ultrasound Localization Microscopy (ULM) is an emerging technique that
employs the localization of echogenic microbubbles (MBs) to finely sample and
image the microcirculation beyond the diffraction limit of ultrasound imaging.
Conventional MB localization methods are mainly based on considering a specific
Point Spread Function (PSF) for MBs, which leads to loss of information caused
by overlapping MBs, non-stationary PSFs, and harmonic MB echoes. Therefore, it
is imperative to devise methods that can accurately localize MBs while being
resilient to MB nonlinearities and variations of MB concentrations that distort
MB PSFs. This paper proposes a transformer-based MB localization approach to
address this issue. We adopted DEtection TRansformer (DETR) arXiv:2005.12872 ,
which is an end-to-end object recognition method that detects a unique bounding
box for each of the detected objects using set-based Hungarian loss and
bipartite matching. To the authors' knowledge, this is the first time
transformers have been used for MB localization. To appraise the proposed
strategy, the pre-trained DETR network's performance has been tested for
detecting MBs using transfer learning principles. We have fine-tuned the
network on a subset of randomly selected frames of the dataset provided by the
IEEE IUS Ultra-SR challenge organizers and then tested on the rest using
cross-validation. For the simulation dataset, the paper supports the deployment
of transformer-based solutions for MB localization at high accuracy.
- Abstract（参考訳）: 超音波局在顕微鏡(Ultrasound Localization Microscopy, ULM)は、エコー発生マイクロバブル(MB)の局所化を利用して、超音波イメージングの回折限界を超える微小循環を微細にサンプリングし、画像化する技術である。
従来のMBローカライゼーション手法は主に、MBの特定のポイントスプレッド関数(PSF)を考慮することに基づいており、重複するMB、非定常PSF、ハーモニックMBエコーによって引き起こされる情報の損失につながる。
したがって、MBの非線形性やMBのPSFを歪ませるMB濃度の変動に耐性を持ちながら、正確にMBをローカライズする手法を考案することが不可欠である。
本稿では,この問題に対処するトランスフォーマーを用いたMBローカライズ手法を提案する。
我々は,検出対象のそれぞれに対して,セットベースハンガリーロスとバイパーティイトマッチングを用いて一意なバウンディングボックスを検出するエンドツーエンドのオブジェクト認識手法であるDetection TRansformer (DETR) arXiv:2005.12872を採用した。
著者の知識では、MBローカライゼーションにトランスフォーマーが使用されるのはこれが初めてである。
提案手法を評価するため,転送学習原理を用いたMB検出のために,事前学習したDETRネットワークの性能を検証した。
我々は、IEEE IUS Ultra-SRチャレンジオーガナイザによって提供されるデータセットのランダムに選択されたフレームのサブセット上でネットワークを微調整し、残りはクロスバリデーションを用いてテストした。
シミュレーションデータセットでは,MBローカライゼーションのためのトランスフォーマーベースのソリューションの展開を高精度に支援する。
関連論文リスト
- Ensemble Learning for Microbubble Localization in Super-Resolution Ultrasound [1.912429179274357]
超解像超音波(SR-US)は、微小血管と血流を高空間分解能で捉えるための強力なイメージング技術である。
本稿では,マイクロバブル(MB)のローカライゼーションを高めるためのアンサンブル学習手法の可能性について検討する。
論文 参考訳（メタデータ） (2024-11-11T21:26:36Z) - Mixture-of-Noises Enhanced Forgery-Aware Predictor for Multi-Face Manipulation Detection and Localization [52.87635234206178]
本稿では,多面的操作検出と局所化に適したMoNFAPという新しいフレームワークを提案する。
このフレームワークには2つの新しいモジュールが含まれている: Forgery-aware Unified Predictor (FUP) Module と Mixture-of-Noises Module (MNM)。
論文 参考訳（メタデータ） (2024-08-05T08:35:59Z) - MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。
実験により,提案手法が現在の先行手法を超越していることが実証された。
論文 参考訳（メタデータ） (2024-01-19T04:40:20Z) - GRSDet: Learning to Generate Local Reverse Samples for Few-shot Object
Detection [15.998148904793426]
Few-shot Object Detection (FSOD) は、いくつかの新しいクラストレーニングデータを用いてのみオブジェクト検出を実現することを目的としている。
既存の手法の多くは、新しいクラス分布を構築するために移行学習戦略を採用するのが一般的である。
本稿では,新しいクラス分布の中心位置と境界範囲を適応的に調整するために,プロトタイプ参照フレームに局所逆サンプル(LRSamples)を生成することを提案する。
論文 参考訳（メタデータ） (2023-12-27T13:36:29Z) - Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-12-19T15:34:52Z) - Learning Super-Resolution Ultrasound Localization Microscopy from
Radio-Frequency Data [8.312810360920107]
DASビームフォーミングとその制限を回避しつつ、RFデータを超高分解能ネットワークに供給することを提案する。
RFトレーニングネットワークの結果から,DASビームフォーミングを除くと,ULMの分解能性能を最適化できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-07T15:47:38Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳（メタデータ） (2023-05-23T02:14:11Z) - Parallel Gated Neural Network With Attention Mechanism For Speech
Enhancement [0.0]
本稿では,特徴抽出ブロック (FEB) と補償拡張ブロック (ComEB) とマスクブロック (MB) からなる新しい単調音声強調システムを提案する。
Librispeech データセットを用いて実験を行い,提案モデルがESTOI と PESQ のスコアから,最近のモデルよりも優れた性能が得られることを示した。
論文 参考訳（メタデータ） (2022-10-26T06:42:19Z) - Few-shot One-class Domain Adaptation Based on Frequency for Iris
Presentation Attack Detection [33.41823375502942]
アイリス提示攻撃検知(PAD)はアイリス認識システムの信頼性と安全性を確保するために大きな成功を収めた。
既存の手法のほとんどは、空間領域における識別的特徴を利用して、データセット内設定下での優れた性能を報告している。
Few-shot One-class Domain Adaptation (FODA) と呼ばれる新しいドメイン適応方式を提案する。
論文 参考訳（メタデータ） (2022-04-01T11:55:06Z) - Universal Face Restoration With Memorized Modulation [73.34750780570909]
本稿では,ユニバーサルブラインド顔修復(BFR)のための記憶変調(RMM)フレームワークを提案する。
ランダムノイズと教師なしウェーブレットメモリを適用し、顔強調生成装置を適応的に変調する。
実験により,提案手法が最先端の手法と比較して優れていること,野生における優れた一般化が示された。
論文 参考訳（メタデータ） (2021-10-03T15:55:07Z) - TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation
Localization [49.521622399483846]
汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。
提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
論文 参考訳（メタデータ） (2021-08-10T08:22:05Z)
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。