論文の概要: A Three-Player GAN for Super-Resolution in Magnetic Resonance Imaging
- arxiv url: http://arxiv.org/abs/2303.13900v1
- Date: Fri, 24 Mar 2023 10:19:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-27 14:57:35.264141
- Title: A Three-Player GAN for Super-Resolution in Magnetic Resonance Imaging
- Title(参考訳): 磁気共鳴画像の高分解能化のための3プレーヤGAN
- Authors: Qi Wang, Lucas Mahler, Julius Steiglechner, Florian Birk, Klaus
Scheffler, Gabriele Lohmann
- Abstract要約: 3次元ボリューム画像のSISR法はGAN(Generative Adversarial Networks)に基づいている
本稿では,GANフレームワークに基づく3次元SRの新しい手法を提案する。具体的には,GANトレーニングのバランスをとるために,インスタンスノイズを用いる。さらに,学習過程において相対論的GAN損失関数と更新特徴抽出器を用いる。
- 参考スコア(独自算出の注目度): 8.254662744916171
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning based single image super resolution (SISR) task is well investigated
in 2D images. However, SISR for 3D Magnetics Resonance Images (MRI) is more
challenging compared to 2D, mainly due to the increased number of neural
network parameters, the larger memory requirement and the limited amount of
available training data. Current SISR methods for 3D volumetric images are
based on Generative Adversarial Networks (GANs), especially Wasserstein GANs
due to their training stability. Other common architectures in the 2D domain,
e.g. transformer models, require large amounts of training data and are
therefore not suitable for the limited 3D data. However, Wasserstein GANs can
be problematic because they may not converge to a global optimum and thus
produce blurry results. Here, we propose a new method for 3D SR based on the
GAN framework. Specifically, we use instance noise to balance the GAN training.
Furthermore, we use a relativistic GAN loss function and an updating feature
extractor during the training process. We show that our method produces highly
accurate results. We also show that we need very few training samples. In
particular, we need less than 30 samples instead of thousands of training
samples that are typically required in previous studies. Finally, we show
improved out-of-sample results produced by our model.
- Abstract(参考訳): 学習ベース単一画像スーパーレゾリューション(SISR)タスクは2次元画像でよく研究されている。
しかし、3D磁気共鳴画像(MRI)のSISRは、主にニューラルネットワークパラメータの増大、メモリ要求の増大、利用可能なトレーニングデータの制限により、2Dと比較して困難である。
現在の3次元ボリューム画像のSISR法は、GAN(Generative Adversarial Networks)、特にWasserstein GANsのトレーニング安定性に基づくものである。
2Dドメインの他の一般的なアーキテクチャ、例えばトランスフォーマーモデルでは、大量のトレーニングデータを必要とするため、限られた3Dデータには適さない。
しかしながら、wasserstein gansは、グローバル最適に収束せず、ぼやけた結果をもたらす可能性があるため、問題となることがある。
本稿では,GANフレームワークに基づく3次元SRの新しい手法を提案する。
具体的には、GANトレーニングのバランスをとるためにインスタンスノイズを使用します。
さらに,学習過程において,相対論的GAN損失関数と更新特徴抽出器を用いる。
本手法は高精度な結果が得られることを示す。
また、トレーニングサンプルが極めて少ないことも示しています。
特に、以前の研究で通常必要とされる何千ものトレーニングサンプルではなく、30未満のサンプルが必要です。
最後に,本モデルによるサンプル外結果の改善を示す。
関連論文リスト
- Efficient Slice Anomaly Detection Network for 3D Brain MRI Volume [2.3633885460047765]
現在の異常検出法は, 基準産業データより優れているが, 「正常」 と「異常」の定義の相違により, 医療データに苦慮している。
我々は,ImageNet上で事前学習し,MRIデータセットを2次元スライス特徴抽出器として微調整したモデルを用いたSimple Slice-based Network (SimpleSliceNet) というフレームワークを提案する。
論文 参考訳(メタデータ) (2024-08-28T17:20:56Z) - Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。
スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。
現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
論文 参考訳(メタデータ) (2024-06-10T02:20:26Z) - DiSR-NeRF: Diffusion-Guided View-Consistent Super-Resolution NeRF [50.458896463542494]
DiSR-NeRFは、ビュー一貫性を持つ超解像(SR)NeRFのための拡散誘導フレームワークである。
我々は,NeRFの固有多視点整合性により不整合問題を緩和するイテレーティブ3Dシンクロナイゼーション(I3DS)を提案する。
論文 参考訳(メタデータ) (2024-04-01T03:06:23Z) - FNOSeg3D: Resolution-Robust 3D Image Segmentation with Fourier Neural
Operator [4.48473804240016]
フーリエニューラル演算子(FNO)に基づく画像解像度のトレーニングに頑健な3次元セグメンテーションモデルFNOSeg3Dを導入する。
BraTS'19データセットでテストすると、モデルパラメータの1%未満の他のテストモデルよりも、画像解像度のトレーニングに優れた堅牢性を達成した。
論文 参考訳(メタデータ) (2023-10-05T19:58:36Z) - NeRF-GAN Distillation for Efficient 3D-Aware Generation with
Convolutions [97.27105725738016]
GAN(Generative Adversarial Networks)のようなニューラルラジアンスフィールド(NeRF)と生成モデルの統合は、単一ビュー画像から3D認識生成を変換した。
提案手法は,ポーズ条件付き畳み込みネットワークにおいて,事前学習したNeRF-GANの有界遅延空間を再利用し,基礎となる3次元表現に対応する3D一貫性画像を直接生成する手法である。
論文 参考訳(メタデータ) (2023-03-22T18:59:48Z) - Super Images -- A New 2D Perspective on 3D Medical Imaging Analysis [0.0]
トレーニング中に3次元知識を効率的に埋め込んで3次元データを扱うための,シンプルで効果的な2次元手法を提案する。
本手法は3次元画像にスライスを並べて超高分解能画像を生成する。
2次元ネットワークのみを利用した3次元ネットワークを実現する一方で、モデルの複雑さはおよそ3倍に減少する。
論文 参考訳(メタデータ) (2022-05-05T09:59:03Z) - Simple and Effective Synthesis of Indoor 3D Scenes [78.95697556834536]
1枚以上の画像から3D屋内シーンを没入する問題について検討する。
我々の狙いは、新しい視点から高解像度の画像とビデオを作成することである。
本稿では,不完全点雲の再投影から高解像度のRGB-D画像へ直接マップするイメージ・ツー・イメージのGANを提案する。
論文 参考訳(メタデータ) (2022-04-06T17:54:46Z) - GRAM: Generative Radiance Manifolds for 3D-Aware Image Generation [25.20217335614512]
3D対応画像生成モデリングは、カメラポーズを明示的に制御可能な3D一貫性画像を生成することを目的としている。
近年の研究では、非構造2次元画像上でのニューラル放射場(NeRF)ジェネレータのトレーニングによる有望な結果が示されている。
論文 参考訳(メタデータ) (2021-12-16T13:25:49Z) - Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。
主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。
本稿では,D2S(Deep-to-scale)投影法を提案する。
論文 参考訳(メタデータ) (2020-10-27T03:31:35Z) - Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。
また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文 参考訳(メタデータ) (2020-07-09T13:23:15Z)
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。