論文の概要: On the Use of Singular Value Decomposition as a Clutter Filter for Ultrasound Flow Imaging

• arxiv url: http://arxiv.org/abs/2304.12783v1
• Date: Tue, 25 Apr 2023 13:05:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-26 20:44:28.768726
• Title: On the Use of Singular Value Decomposition as a Clutter Filter for Ultrasound Flow Imaging
• Title（参考訳）: 超音波イメージングのためのクラッタフィルタとしての特異値分解法について
• Authors: Kai Riemer, Marcelo Lerendegui, Matthieu Toulemonde, Jiaqi Zhu, Christopher Dunsby, Peter D. Weinberg, Meng-Xing Tang
• Abstract要約: Singular Value Decomposition (SVD) は, 高フレームレート超音波血流イメージングにおいて, クラッタ, 流れ, ノイズをかなり分離する。 クラッタとノイズの除去は、組織、流れ、ノイズがそれぞれ特異値の異なるサブセットで表されるという仮定に依存している。 流路信号が分布する微小血管では, ゴーストや分裂アーティファクトが観察される。
• 参考スコア（独自算出の注目度）: 3.997460889704809
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Filtering based on Singular Value Decomposition (SVD) provides substantial separation of clutter, flow and noise in high frame rate ultrasound flow imaging. The use of SVD as a clutter filter has greatly improved techniques such as vector flow imaging, functional ultrasound and super-resolution ultrasound localization microscopy. The removal of clutter and noise relies on the assumption that tissue, flow and noise are each represented by different subsets of singular values, so that their signals are uncorrelated and lay on orthogonal sub-spaces. This assumption fails in the presence of tissue motion, for near-wall or microvascular flow, and can be influenced by an incorrect choice of singular value thresholds. Consequently, separation of flow, clutter and noise is imperfect, which can lead to image artefacts not present in the original data. Temporal and spatial fluctuation in intensity are the commonest artefacts, which vary in appearance and strengths. Ghosting and splitting artefacts are observed in the microvasculature where the flow signal is sparsely distributed. Singular value threshold selection, tissue motion, frame rate, flow signal amplitude and acquisition length affect the prevalence of these artefacts. Understanding what causes artefacts due to SVD clutter and noise removal is necessary for their interpretation.
• Abstract（参考訳）: Singular Value Decomposition (SVD) に基づくフィルタリングは, 高フレームレート超音波流画像におけるクラッタ, 流れ, ノイズをかなり分離する。 SVDをクラッタフィルタとして用いることで、ベクトルフローイメージング、機能超音波、超高分解能超音波ローカライゼーション顕微鏡などの技術が大幅に改善された。 クラッタとノイズの除去は、組織、流れ、ノイズがそれぞれ特異値の異なる部分集合で表されるという仮定に依存し、それらの信号は非相関であり直交部分空間に置かれる。 この仮定は、近壁や微小血管の流れといった組織の動きの存在に失敗し、特異値閾値の誤った選択の影響を受けうる。 したがって、フロー、クラッタ、ノイズの分離は不完全であり、元のデータに存在しない画像アーティファクトにつながる可能性がある。 強度の時間的および空間的変動は最も一般的なアーティファクトであり、外観や強度によって異なる。 フロー信号がばらばらに分布する微小血管では、ゴーストとスプリットアーティファクトが観察される。 特異値閾値選択, 組織運動, フレーム速度, 流れ信号振幅, 取得長は, これらの人工物の有病率に影響を及ぼす。 SVDクラッタやノイズ除去による人工物の原因を理解することは,その解釈に必要である。

関連論文リスト

• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
  動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。 標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-04-02T13:43:08Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• DeStripe: A Self2Self Spatio-Spectral Graph Neural Network with Unfolded Hessian for Stripe Artifact Removal in Light-sheet Microscopy [40.223974943121874]
  本稿では,光シート蛍光顕微鏡(LSFM)におけるDeStripeと呼ばれるブラインドアーティファクト除去アルゴリズムを提案する。 DeStripeは、一方向のアーティファクトと前景の画像の構造的差異を利用して、潜在的に破損した係数をローカライズする。 影響された係数をグラフニューラルネットワークに入力して、標準画像空間の構造が十分に保存されていることを保証するために、ヘッセン正規化をアンロールした状態でリカバリすることができる。
  論文  参考訳（メタデータ） (2022-06-27T16:13:57Z)
• Transient motion classification through turbid volumes via parallelized single-photon detection and deep contrastive embedding [12.806431481376787]
  並列化単一光子dEtection (CREPE) を用いた高速デコリレーションイベントの分類手法を提案する。 332時間s32ピクセルSPADアレイからのパラレル化スペックルを用いて、タービッドボリュームの下に隠された異なる非相関運動を高い感度で探索し分類することができる。 これは、例えば異常な脳血流のイベントを識別するなど、通常、深部組織の動きパターンを監視するために応用される可能性がある。
  論文  参考訳（メタデータ） (2022-04-04T14:27:36Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)
• Joint Blind Deconvolution and Robust Principal Component Analysis for Blood Flow Estimation in Medical Ultrasound Imaging [8.922669577341225]
  本稿では,超高速超音波画像からの高分解能ドップラー血流推定の問題に対処する。 ドップラーデータから血液成分とPSFの両方を推定できるブラインドデコンボリューション法を提案する。
  論文  参考訳（メタデータ） (2020-07-10T15:03:33Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。