論文の概要: Self-supervised Domain Adaptation for Breaking the Limits of Low-quality
Fundus Image Quality Enhancement
- arxiv url: http://arxiv.org/abs/2301.06943v1
- Date: Tue, 17 Jan 2023 15:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 13:53:25.482429
- Title: Self-supervised Domain Adaptation for Breaking the Limits of Low-quality
Fundus Image Quality Enhancement
- Title(参考訳): 低品質画像品質向上の限界を打破するための自己監督型ドメイン適応
- Authors: Qingshan Hou, Peng Cao, Jiaqi Wang, Xiaoli Liu, Jinzhu Yang, Osmar R.
Zaiane
- Abstract要約: 低画質の眼底画像とスタイルの整合性は、眼底疾患の診断における不確実性を高める可能性がある。
画像内容、低品質要因、スタイル情報の特徴を乱すために、2つの自己教師付きドメイン適応タスクを定式化する。
我々のDASQE法は,低画質の画像しか得られない場合に,新しい最先端性能を実現する。
- 参考スコア(独自算出の注目度): 14.677912534121273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retinal fundus images have been applied for the diagnosis and screening of
eye diseases, such as Diabetic Retinopathy (DR) or Diabetic Macular Edema
(DME). However, both low-quality fundus images and style inconsistency
potentially increase uncertainty in the diagnosis of fundus disease and even
lead to misdiagnosis by ophthalmologists. Most of the existing image
enhancement methods mainly focus on improving the image quality by leveraging
the guidance of high-quality images, which is difficult to be collected in
medical applications. In this paper, we tackle image quality enhancement in a
fully unsupervised setting, i.e., neither paired images nor high-quality
images. To this end, we explore the potential of the self-supervised task for
improving the quality of fundus images without the requirement of high-quality
reference images. Specifically, we construct multiple patch-wise domains via an
auxiliary pre-trained quality assessment network and a style clustering. To
achieve robust low-quality image enhancement and address style inconsistency,
we formulate two self-supervised domain adaptation tasks to disentangle the
features of image content, low-quality factor and style information by
exploring intrinsic supervision signals within the low-quality images.
Extensive experiments are conducted on EyeQ and Messidor datasets, and results
show that our DASQE method achieves new state-of-the-art performance when only
low-quality images are available.
- Abstract(参考訳): 網膜基底像は、糖尿病網膜症(DR)や糖尿病黄斑浮腫(DME)などの眼疾患の診断とスクリーニングに応用されている。
しかし、低品質の眼底画像とスタイル不整合は、眼底疾患の診断の不確実性を高め、眼科医による誤診につながる可能性がある。
既存の画像強調手法のほとんどは、医用アプリケーションでは収集が困難である高品質画像のガイダンスを活用することにより、画像品質の向上に重点を置いている。
本稿では,完全教師なしの環境での画質向上,すなわち,ペア画像と高品質画像の両方に対処する。
そこで本研究では,高品質な参照画像を必要とすることなく,基礎画像の品質向上のための自己監督タスクの可能性を検討する。
具体的には,事前学習した品質評価ネットワークとスタイルクラスタリングにより,複数のパッチワイズドメインを構築する。
低画質画像の高精細化とアドレススタイルの整合性を達成するために,2つの自己教師型ドメイン適応タスクを定式化し,低画質画像内の内在的な監視信号を探索することにより,画像内容,低品質要因,およびスタイル情報の特徴を解消する。
eyeqとmessidorデータセットで広範な実験を行い,低品質の画像のみを利用可能にした場合,dasqe法が新たな最先端性能を実現することを示す。
関連論文リスト
- Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。
我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。
我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文 参考訳(メタデータ) (2024-05-14T12:43:43Z) - Helping Visually Impaired People Take Better Quality Pictures [52.03016269364854]
我々は、視覚障害者が共通の技術的歪みの発生を最小限に抑えるためのツールを開発する。
また、ユーザによる品質問題の緩和を支援する、プロトタイプのフィードバックシステムも作成しています。
論文 参考訳(メタデータ) (2023-05-14T04:37:53Z) - Image Quality-aware Diagnosis via Meta-knowledge Co-embedding [11.14366093273983]
本稿では,タスクネットとメタラーナーの2つからなるメタ知識協調型ネットワークを提案する。
Task Netは明示的な品質情報利用メカニズムを構築し、知識を組み込んだ機能による診断を強化する。
Meta Learnerは、メタラーニングと共同エンコーディングマスキングを通じて、これらの機能のセマンティクスの有効性と制約を保証する。
論文 参考訳(メタデータ) (2023-03-27T09:35:44Z) - OTRE: Where Optimal Transport Guided Unpaired Image-to-Image Translation
Meets Regularization by Enhancing [4.951748109810726]
正確な診断と自動解析のために、最適な網膜画像品質が義務付けられている。
そこで本研究では,低品質の網膜CFPを高画質のCFPにマッピングするための画像対画像変換手法を提案する。
統合されたフレームワークOTREを3つの公開網膜画像データセット上で検証した。
論文 参考訳(メタデータ) (2023-02-06T18:39:40Z) - Optimal Transport Guided Unsupervised Learning for Enhancing low-quality
Retinal Images [5.4240246179935845]
現実の非ミリ波網膜基底写真は、人工物、不完全、そして低品質である。
高品質な網膜基底画像の高精細化のための,シンプルで効果的なエンドツーエンドフレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-06T18:29:30Z) - UNO-QA: An Unsupervised Anomaly-Aware Framework with Test-Time
Clustering for OCTA Image Quality Assessment [4.901218498977952]
光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)画像品質評価のためのテスト時間クラスタリングを用いた教師なし異常認識フレームワークを提案する。
OCTA画像の品質を定量化するために,特徴埋め込みに基づく低品質表現モジュールを提案する。
我々は、訓練されたOCTA品質表現ネットワークによって抽出されたマルチスケール画像の特徴の次元削減とクラスタリングを行う。
論文 参考訳(メタデータ) (2022-12-20T18:48:04Z) - Learning Conditional Knowledge Distillation for Degraded-Reference Image
Quality Assessment [157.1292674649519]
劣化参照IQA(DR-IQA)という実用的な解を提案する。
DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。
私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
論文 参考訳(メタデータ) (2021-08-18T02:35:08Z) - A Mixed-Supervision Multilevel GAN Framework for Image Quality
Enhancement [0.0]
本稿では,複数品質のトレーニングデータを活用できるGAN(Generative Adversarial Network)を提案する。
I)超解像の病理像と,(II)超解像と外科的煙除去を組み合わせた腹腔鏡像を併用した腹腔鏡下手術を施行した。
臨床および臨床前の大規模データセットの結果は,術式に対する混合スーパービジョンGANの利点を示している。
論文 参考訳(メタデータ) (2021-06-29T17:10:41Z) - Towards Unsupervised Deep Image Enhancement with Generative Adversarial
Network [92.01145655155374]
監視されていない画像強調生成ネットワーク(UEGAN)を提案する。
教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。
その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
論文 参考訳(メタデータ) (2020-12-30T03:22:46Z) - Early Exit or Not: Resource-Efficient Blind Quality Enhancement for
Compressed Images [54.40852143927333]
ロスシー画像圧縮は、通信帯域を節約するために広範に行われ、望ましくない圧縮アーティファクトをもたらす。
圧縮画像に対する資源効率の高いブラインド品質向上手法(RBQE)を提案する。
提案手法は, 評価された画像の品質に応じて, 自動的にエンハンスメントを終了するか, 継続するかを決定することができる。
論文 参考訳(メタデータ) (2020-06-30T07:38:47Z) - 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。