論文の概要: Self-similarity-based super-resolution of photoacoustic angiography from hand-drawn doodles

• arxiv url: http://arxiv.org/abs/2305.01165v1
• Date: Tue, 2 May 2023 02:40:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 15:32:48.376906
• Title: Self-similarity-based super-resolution of photoacoustic angiography from hand-drawn doodles
• Title（参考訳）: 自己相似性に基づく手描き麺からの光音響血管造影の超解像
• Authors: Yuanzheng Ma, Wangting Zhou, Rui Ma, Sihua Yang, Yansong Tang, and Xun Guan
• Abstract要約: 光音響血管造影(PAA)は、血管イメージをアンダーサンプル画像から復元し、疾患の診断を容易にする強力なツールである。 鍛造されたPAA画像で訓練した超高分解能PAA法を用いる新しい手法を提案する。 我々のアプローチは、視覚タスクのためのゼロショット学習ニューラルネットワークを探索する有望な可能性を示している。
• 参考スコア（独自算出の注目度）: 9.646172419644088
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep-learning-based super-resolution photoacoustic angiography (PAA) is a powerful tool that restores blood vessel images from under-sampled images to facilitate disease diagnosis. Nonetheless, due to the scarcity of training samples, PAA super-resolution models often exhibit inadequate generalization capabilities, particularly in the context of continuous monitoring tasks. To address this challenge, we propose a novel approach that employs a super-resolution PAA method trained with forged PAA images. We start by generating realistic PAA images of human lips from hand-drawn curves using a diffusion-based image generation model. Subsequently, we train a self-similarity-based super-resolution model with these forged PAA images. Experimental results show that our method outperforms the super-resolution model trained with authentic PAA images in both original-domain and cross-domain tests. Specially, our approach boosts the quality of super-resolution reconstruction using the images forged by the deep learning model, indicating that the collaboration between deep learning models can facilitate generalization, despite limited initial dataset. This approach shows promising potential for exploring zero-shot learning neural networks for vision tasks.
• Abstract（参考訳）: 深層学習に基づく超高分解能光音響血管造影(PAA)は、血管像をアンダーサンプル画像から復元し、疾患の診断を容易にする強力なツールである。 しかしながら、トレーニングサンプルの不足のため、PAA超解像モデルは、特に継続的監視タスクの文脈において、不適切な一般化能力を示すことが多い。 本研究では,この課題に対処するために,超解像paa法を鍛造paa画像で訓練した新しい手法を提案する。 拡散画像生成モデルを用いて手描き曲線から人間の唇のリアルなPAA画像を生成することから始める。 次に,これらの画像を用いて自己相似性に基づく超解像モデルを訓練する。 実験の結果,本手法は元のドメインとクロスドメインの両方でPAA画像を用いて訓練した超解像モデルよりも優れていた。 特に,深層学習モデルによる画像を用いた超解像再構成の質を高めるため,初期データセットに制限があるにもかかわらず,深層学習モデル間の協調により一般化が容易になることを示す。 このアプローチは、ビジョンタスクのためのゼロショット学習ニューラルネットワークを探索する有望な可能性を示している。

関連論文リスト

• Histopathology image embedding based on foundation models features aggregation for patient treatment response prediction [0.0]
  びまん性大細胞型B細胞リンパ腫患者に対する全スライド画像からの治療反応を予測する新しい方法を提案する。 本手法は, 組織小領域に対応する画像の局所的表現を得るために, 特徴抽出器としていくつかの基礎モデルを利用する。 本研究は152名の患者を対象とした実験で,本手法の有望な結果を示した。
  論文  参考訳（メタデータ） (2024-07-23T13:31:12Z)
• 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)
• RIGID: A Training-free and Model-Agnostic Framework for Robust AI-Generated Image Detection [60.960988614701414]
  RIGIDは、堅牢なAI生成画像検出のためのトレーニング不要でモデルに依存しない方法である。 RIGIDは、既存のトレーニングベースおよびトレーニング不要な検出器を著しく上回っている。
  論文  参考訳（メタデータ） (2024-05-30T14:49:54Z)
• DensePANet: An improved generative adversarial network for photoacoustic tomography image reconstruction from sparse data [1.4665304971699265]
  スパースデータからのPAT画像再構成の問題を解決するために,DensePANetと呼ばれるエンドツーエンドの手法を提案する。 提案したモデルは、FD-UNet++と呼ばれるジェネレータにUNetを改良し、再構成性能を大幅に改善する。
  論文  参考訳（メタデータ） (2024-04-19T09:52:32Z)
• Diffusion Models for Image Restoration and Enhancement -- A Comprehensive Survey [96.99328714941657]
  本稿では,近年の拡散モデルに基づく画像復元手法について概観する。 我々は、赤外線とブラインド/現実世界の両方で拡散モデルを用いて、革新的なデザインを分類し、強調する。 本稿では,拡散モデルに基づくIRの今後の研究に向けた5つの可能性と課題を提案する。
  論文  参考訳（メタデータ） (2023-08-18T08:40:38Z)
• Iterative-in-Iterative Super-Resolution Biomedical Imaging Using One Real Image [8.412910029745762]
  本稿では,1つの実画像のみを用いて深層学習に基づく超解像モデルを訓練する手法を提案する。 我々は,地中真実に類似した分布を持つ画像を自動的に選択するために,画像スクリーニングの混合指標を用いる。 5回のトレーニングの後、提案されたディープラーニングベースの超解像モデルでは、構造的類似性とピーク信号対雑音比が7.5%と5.49%改善した。
  論文  参考訳（メタデータ） (2023-06-26T07:57:03Z)
• Fine-tuned Generative Adversarial Network-based Model for Medical Image Super-Resolution [2.647302105102753]
  The Real-Enhanced Super-Resolution Generative Adversarial Network (Real-ESRGAN) is a practical model for recovery HR images from real-world LR images。 実世界の画像劣化をシミュレートするReal-ESRGANの高次劣化モデルを用いる。 提案モデルでは,Real-ESRGANモデルに比べて知覚品質が優れ,細部を効果的に保存し,より現実的なテクスチャで画像を生成する。
  論文  参考訳（メタデータ） (2022-11-01T16:48:04Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• High-Frequency aware Perceptual Image Enhancement [0.08460698440162888]
  マルチスケール解析に適した新しいディープニューラルネットワークを導入し,効率的なモデルに依存しない手法を提案する。 本モデルは,デノイング,デブロアリング,単一画像超解像などのマルチスケール画像強調問題に適用できる。
  論文  参考訳（メタデータ） (2021-05-25T07:33:14Z)
• Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
  PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。 また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
  論文  参考訳（メタデータ） (2020-12-06T20:30:26Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)

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。