論文の概要: Structural constrained virtual histology staining for human coronary imaging using deep learning

• arxiv url: http://arxiv.org/abs/2211.06737v1
• Date: Sat, 12 Nov 2022 20:25:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 19:35:20.400710
• Title: Structural constrained virtual histology staining for human coronary imaging using deep learning
• Title（参考訳）: 深層学習を用いたヒト冠動脈画像における構造制約仮想組織染色
• Authors: Xueshen Li, Hongshan Liu, Xiaoyu Song, Brigitta C. Brott, Silvio H. Litovsky, Yu Gan
• Abstract要約: 我々は,冠状動脈のCT像を仮想組織像に転送する深層学習ネットワーク,すなわち冠状動脈-GANを開発した。 冠状動脈造影像の構造的制約を特に考慮し,従来のGAN法よりも優れた画像生成性能を実現する。
• 参考スコア（独自算出の注目度）: 2.130935322429084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Histopathological analysis is crucial in artery characterization for coronary artery disease (CAD). However, histology requires an invasive and time-consuming process. In this paper, we propose to generate virtual histology staining using Optical Coherence Tomography (OCT) images to enable real-time histological visualization. We develop a deep learning network, namely Coronary-GAN, to transfer coronary OCT images to virtual histology images. With a special consideration on the structural constraints in coronary OCT images, our method achieves better image generation performance than the conventional GAN-based method. The experimental results indicate that Coronary-GAN generates virtual histology images that are similar to real histology images, revealing the human coronary layers.
• Abstract（参考訳）: 冠動脈疾患(CAD)の診断には病理組織学的検討が重要である。 しかし、組織学は侵襲的で時間を要する。 本稿では,オプティカル・コヒーレンス・トモグラフィ(oct)画像を用いて仮想組織学的染色を行い,リアルタイムの組織学的可視化を実現することを提案する。 我々は,冠動脈CT像を仮想組織像に転送する深層学習ネットワーク,すなわちCorary-GANを開発した。 冠状動脈造影像の構造的制約を特に考慮し,従来のGAN法よりも優れた画像生成性能を実現する。 実験の結果, 冠状ganは実際の組織像と類似した仮想組織像を生成し, ヒト冠状動脈の層を明らかにした。

関連論文リスト

• TPOT: Topology Preserving Optimal Transport in Retinal Fundus Image Enhancement [16.84367978693017]
  持続性図の差を最小限に抑えて血管構造を規則化する訓練パラダイムを提案する。 得られたフレームワークをTPOT(Topology Preserving Optimal Transport)と呼ぶ。 大規模データセットを用いた実験結果から,提案手法の優位性を示した。
  論文  参考訳（メタデータ） (2024-11-03T02:04:35Z)
• OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods [34.13887472397715]
  本研究は,2000枚以上の OCT 画像からなるオープンアクセス型 OCT データセット (OCTDL) を提案する。 このデータセットは、加齢関連黄斑変性症(AMD)、糖尿病黄斑浮腫(DME)、網膜膜(ERM)、網膜動脈閉塞症(RAO)、網膜静脈閉塞症(RVO)、およびVID(Vitreomacular Interface Disease)患者のOCT記録からなる。
  論文  参考訳（メタデータ） (2023-12-13T16:18:40Z)
• SCPAT-GAN: Structural Constrained and Pathology Aware Convolutional Transformer-GAN for Virtual Histology Staining of Human Coronary OCT images [2.01104521049348]
  我々は,OCT画像から仮想染色H&Eヒストロジーを生成するために,構造制約付き,病理に配慮した,トランスフォーマー生成系であるSCPAT-GANを提案する。 提案したSCPAT-GANは,トランスフォーマネットワークを用いた構造層に対する病理的ガイダンスを付加するために,新しい設計により既存の手法を進歩させる。
  論文  参考訳（メタデータ） (2023-07-22T18:18:17Z)
• 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)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Generation of Artificial CT Images using Patch-based Conditional Generative Adversarial Networks [0.0]
  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。
  論文  参考訳（メタデータ） (2022-05-19T20:29:25Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)

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。