論文の概要: Expert-Agnostic Ultrasound Image Quality Assessment using Deep Variational Clustering

• arxiv url: http://arxiv.org/abs/2307.02462v2
• Date: Thu, 6 Jul 2023 22:34:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-10 14:36:26.129708
• Title: Expert-Agnostic Ultrasound Image Quality Assessment using Deep Variational Clustering
• Title（参考訳）: 深部変動クラスタリングを用いたエキスパート非依存超音波画像品質評価
• Authors: Deepak Raina, Dimitrios Ntentia, SH Chandrashekhara, Richard Voyles, Subir Kumar Saha
• Abstract要約: 超音波画像の品質は低く、サーバ間変動によるノイズの多いアノテーションに悩まされている。 我々は,手動アノテーションの負担と不確実性を解消するUnSupervised UltraSound Image Quality Assessment Network (US2QNet)を提案する。 提案手法は,最先端クラスタリング手法よりも精度が78%,性能が優れている。
• 参考スコア（独自算出の注目度）: 0.03262230127283451
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound imaging is a commonly used modality for several diagnostic and therapeutic procedures. However, the diagnosis by ultrasound relies heavily on the quality of images assessed manually by sonographers, which diminishes the objectivity of the diagnosis and makes it operator-dependent. The supervised learning-based methods for automated quality assessment require manually annotated datasets, which are highly labour-intensive to acquire. These ultrasound images are low in quality and suffer from noisy annotations caused by inter-observer perceptual variations, which hampers learning efficiency. We propose an UnSupervised UltraSound image Quality assessment Network, US2QNet, that eliminates the burden and uncertainty of manual annotations. US2QNet uses the variational autoencoder embedded with the three modules, pre-processing, clustering and post-processing, to jointly enhance, extract, cluster and visualize the quality feature representation of ultrasound images. The pre-processing module uses filtering of images to point the network's attention towards salient quality features, rather than getting distracted by noise. Post-processing is proposed for visualizing the clusters of feature representations in 2D space. We validated the proposed framework for quality assessment of the urinary bladder ultrasound images. The proposed framework achieved 78% accuracy and superior performance to state-of-the-art clustering methods.
• Abstract（参考訳）: 超音波イメージングは、いくつかの診断および治療の手順で一般的に用いられるモダリティである。 しかし超音波による診断は、超音波撮影者が手動で評価した画像の品質に大きく依存しており、診断の客観性を低下させ、操作者に依存している。 自動品質評価のための教師付き学習ベースの手法は、手動で注釈付きデータセットを必要とする。 これらの超音波画像は品質が低く、オブザーバ間の知覚変化によるノイズの多いアノテーションに苦しむため、学習効率が損なわれる。 我々は,手動アノテーションの負担と不確実性を解消するUnSupervised UltraSound Image Quality Assessment Network (US2QNet)を提案する。 US2QNetは、前処理、クラスタリング、後処理の3つのモジュールに埋め込まれた変分オートエンコーダを使用して、超音波画像の品質特徴表現を共同で強化、抽出、クラスタリング、可視化する。 プリプロセッシングモジュールはイメージのフィルタリングを使用して、ノイズに注意をそらすのではなく、ネットワークの注意を優れた品質機能に向ける。 2次元空間における特徴表現のクラスタを可視化するための後処理を提案する。 提案する膀胱超音波画像の品質評価の枠組みを検証した。 提案手法は,最先端クラスタリング手法よりも精度が78%,性能が優れている。

関連論文リスト

• Speckle Noise Reduction in Ultrasound Images using Denoising Auto-encoder with Skip Connection [0.19116784879310028]
  超音波画像は、しばしばスペックルノイズを含み、解像度とコントラスト-ノイズ比を下げることができる。 これにより、画像の特徴を抽出、認識、分析することがより困難になる。 研究者はいくつかのスペックル低減法を提案しているが、関連するすべての要因を考慮に入れた単一の手法は存在しない。
  論文  参考訳（メタデータ） (2024-03-05T08:08:59Z)
• BAND-2k: Banding Artifact Noticeable Database for Banding Detection and Quality Assessment [52.1640725073183]
  バンディングは階段のような輪郭としても知られ、圧縮または量子化アルゴリズムによって処理された画像やビデオの平坦な領域で頻繁に発生する。 これまでに2000枚のバンド化画像からなるBanding Artifact Noticeable Database (BAND-2k) という,最大のBanding IQAデータベースを構築した。 デュアル畳み込みニューラルネットワークを用いて、高周波および低周波マップから特徴表現を同時に学習する。
  論文  参考訳（メタデータ） (2023-11-29T15:56:31Z)
• Robust Medical Image Classification from Noisy Labeled Data with Global and Local Representation Guided Co-training [73.60883490436956]
  本稿では,ロバストな医用画像分類のためのグローバルおよびローカルな表現学習を用いた新しい協調学習パラダイムを提案する。 ノイズラベルフィルタを用いた自己アンサンブルモデルを用いて、クリーンでノイズの多いサンプルを効率的に選択する。 また,ネットワークを暗黙的に正規化してノイズの多いサンプルを利用するための,グローバルかつ局所的な表現学習手法を設計する。
  論文  参考訳（メタデータ） (2022-05-10T07:50:08Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
  本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。 その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
  論文  参考訳（メタデータ） (2021-10-12T21:22:24Z)
• Residual Networks based Distortion Classification and Ranking for Laparoscopic Image Quality Assessment [12.374294852377382]
  腹腔鏡画像やビデオは、ノイズ、煙、ぼやけ、均一でない照明など、様々な種類の歪みに影響されることが多い。 本稿では,歪みの重大度レベル(またはランク)を考慮し,画像品質評価タスクを多ラベル分類問題として定式化する。 腹腔鏡画像データセットで得られた結果は,提案手法の効率性を示す。
  論文  参考訳（メタデータ） (2021-06-12T14:26:11Z)
• A Universal Deep Learning Framework for Real-Time Denoising of Ultrasound Images [0.0]
  超音波画像のリアルタイムデノライゼーションのための普遍的ディープラーニングフレームワークを定義した。 超音波画像の平滑化のための最先端手法の解析と比較を行った。 そこで本研究では,選択された最新デノイジング手法のチューニング版を提案する。
  論文  参考訳（メタデータ） (2021-01-22T14:18:47Z)
• Image quality assessment for closed-loop computer-assisted lung ultrasound [1.1886402973079053]
  集中治療室における超音波画像を用いた肺異常検出のための新しい2段階コンピュータ支援システムについて述べる。 提案システムは,画像品質の予測を自動化する品質評価モジュールと,十分な品質の超音波画像におけるオアノマリーの可能性を判定する診断支援モジュールの2つの深層学習モデルから構成される。
  論文  参考訳（メタデータ） (2020-08-20T08:38:05Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A CNN-Based Blind Denoising Method for Endoscopic Images [19.373025463383385]
  低画質の内視鏡画像が多数存在するのは,GI領域の照明や複雑な環境が限られているためである。 本稿では,内視鏡画像のための畳み込み型ブラインドデノイングネットワークを提案する。
  論文  参考訳（メタデータ） (2020-03-16T03:11:11Z)

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。