論文の概要: Infusing known operators in convolutional neural networks for lateral
strain imaging in ultrasound elastography
- arxiv url: http://arxiv.org/abs/2211.00172v2
- Date: Fri, 7 Jul 2023 22:25:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 22:35:19.653029
- Title: Infusing known operators in convolutional neural networks for lateral
strain imaging in ultrasound elastography
- Title（参考訳）: 超音波エラストグラフィーにおける側方ひずみイメージングのための畳み込みニューラルネットワークにおける既知の演算子
- Authors: Ali K. Z. Tehrani, and Hassan Rivaz
- Abstract要約: CNNは超音波エラストグラフィーにおける変位推定に用いられている。
ポアソンの比画像と弾力性再構成に非常に必要とされる側方ひずみは、品質が劣る。
本稿では,2つの反復アルゴリズムをネットワークアーキテクチャに注入するkPICTUREを提案する。
- 参考スコア（独自算出の注目度）: 2.922007656878633
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Convolutional Neural Networks (CNN) have been employed for displacement
estimation in ultrasound elastography (USE). High-quality axial strains
(derivative of the axial displacement in the axial direction) can be estimated
by the proposed networks. In contrast to axial strain, lateral strain, which is
highly required in Poisson's ratio imaging and elasticity reconstruction, has a
poor quality. The main causes include low sampling frequency, limited motion,
and lack of phase information in the lateral direction. Recently, physically
inspired constraint in unsupervised regularized elastography (PICTURE) has been
proposed. This method took into account the range of the feasible lateral
strain defined by the rules of physics of motion and employed a regularization
strategy to improve the lateral strains. Despite the substantial improvement,
the regularization was only applied during the training; hence it did not
guarantee during the test that the lateral strain is within the feasible range.
Furthermore, only the feasible range was employed, other constraints such as
incompressibility were not investigated. In this paper, we address these two
issues and propose kPICTURE in which two iterative algorithms were infused into
the network architecture in the form of known operators to ensure the lateral
strain is within the feasible range and impose incompressibility during the
test phase.
- Abstract（参考訳）: 超音波エラストグラフィー(USE)における変位推定には畳み込みニューラルネットワーク(CNN)が用いられている。
提案するネットワークにより,高品質な軸方向ひずみ(軸方向の軸方向変位の導出)を推定できる。
軸方向ひずみとは対照的に、ポアソンの比画像化と弾性復元に非常に必要とされる横方向ひずみは、品質が劣る。
主な原因はサンプリング周波数の低さ、運動の制限、横方向の位相情報の欠如である。
近年,非教師なし正規化エラストグラフィ(PICTURE)における物理的制約が提案されている。
本手法は, 運動の物理則によって定義される実効性側方ひずみの範囲を考慮し, 側方ひずみを改善するために正規化戦略を採用した。
大幅な改善にもかかわらず、正規化はトレーニング中にのみ適用されたため、試験中は横ひずみが許容範囲内であることが保証されなかった。
また, 許容範囲のみを用い, 非圧縮性などの制約は検討されなかった。
本稿では,これらの2つの問題に対処し,2つの反復アルゴリズムを既知の演算子の形でネットワークアーキテクチャに注入し,側方ひずみが許容範囲内にあることを保証し,テストフェーズ中に非圧縮性を課すkPICTUREを提案する。
関連論文リスト
- Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - 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) - Lateral Strain Imaging using Self-supervised and Physically Inspired
Constraints in Unsupervised Regularized Elastography [3.2116198597240846]
超音波エラストグラフィー(USE)における畳み込みニューラルネットワーク(CNN)による変位推定の有望な結果を示している
本稿では, Hooke の法則にインスパイアされた非教師付き正規化エラストグラフィ (PICTURE) のための物理インスパイアされた ConsTraint を提案する。
次のステップでは、歪み画像推定をさらに強化する自己教師型PICTURE(sPICTURE)を提案する。
論文 参考訳（メタデータ） (2022-12-16T22:29:21Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - Momentum Diminishes the Effect of Spectral Bias in Physics-Informed
Neural Networks [72.09574528342732]
物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。
彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。
本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
論文 参考訳（メタデータ） (2022-06-29T19:03:10Z) - Physically Inspired Constraint for Unsupervised Regularized Ultrasound
Elastography [3.4519649635864584]
変位推定は、ほぼ全ての超音波エラストグラフィ(USE)技術の重要なステップである。
2つの主要な特徴は、一般的な光学フロー問題と比較して、このタスクをユニークなものにしている。
非教師付き正規化エラストグラフィ(PICTURE)のための物理インスパイアされたコンストラントを提案する。
論文 参考訳（メタデータ） (2022-06-05T17:45:11Z) - Phase Aberration Robust Beamformer for Planewave US Using
Self-Supervised Learning [41.10604715789614]
本稿では,位相収差堅牢な平面波イメージングを実現する3次元CNNを提案する。
我々のアプローチは、ネットワークが様々な位相収差画像から高品質な画像を堅牢に生成するために、自己教師型で訓練されているという点で独特である。
論文 参考訳（メタデータ） (2022-02-16T12:17:01Z) - Deep Bayesian inference for seismic imaging with tasks [0.6445605125467573]
本稿では,ベイズ推定と深部ニューラルネットワークの手法を用いて,地震探査における不確実性を画像上で行うタスクの不確実性に変換することを提案する。
画像中のノイズによる不確かさを、自動的に追従された地平面の信頼区間に変換するための体系的手法を提案する。
論文 参考訳（メタデータ） (2021-10-10T15:25:44Z) - Going beyond p-convolutions to learn grayscale morphological operators [64.38361575778237]
p-畳み込み層と同じ原理に基づく2つの新しい形態層を提示する。
本研究では, p-畳み込み層と同じ原理に基づく2つの新しい形態層を示す。
論文 参考訳（メタデータ） (2021-02-19T17:22:16Z) - Relaxing the Constraints on Predictive Coding Models [62.997667081978825]
予測符号化(英: Predictive coding)は、脳が行う主計算が予測誤差の最小化であるとする皮質機能の影響力のある理論である。
アルゴリズムの標準的な実装は、同じ前方と後方の重み、後方の非線形微分、1-1エラーユニット接続といった、潜在的に神経的に予測できない特徴を含んでいる。
本稿では,これらの特徴はアルゴリズムに不可欠なものではなく,Hebbianの更新ルールを用いてパラメータセットを直接あるいは学習することで,学習性能に悪影響を及ぼすことなく除去可能であることを示す。
論文 参考訳（メタデータ） (2020-10-02T15:21:37Z) - CNN-Based Ultrasound Image Reconstruction for Ultrafast Displacement
Tracking [9.659642285903418]
運動推定技術は、超高感度心血管運動や流れ解析、せん断波エラストグラフィーなどの応用に利用できる。
これらの動き推定手法で達成できる精度は、連続するフレームの高品質と高いフレームレートの2つの矛盾した要件に強く依存する。
提案手法は,高品質なフレームを再構築するための単一超高速取得と,2次元変位推定を行うための2つの連続フレームのみに依存する。
論文 参考訳（メタデータ） (2020-09-03T17:31:44Z)
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。