論文の概要: UWAT-GAN: Fundus Fluorescein Angiography Synthesis via Ultra-wide-angle Transformation Multi-scale GAN

• arxiv url: http://arxiv.org/abs/2307.11530v1
• Date: Fri, 21 Jul 2023 12:23:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 12:31:52.678577
• Title: UWAT-GAN: Fundus Fluorescein Angiography Synthesis via Ultra-wide-angle Transformation Multi-scale GAN
• Title（参考訳）: UWAT-GAN:超広角変換によるFlurescein Angiographyの合成
• Authors: Zhaojie Fang, Zhanghao Chen, Pengxue Wei, Wangting Li, Shaochong Zhang, Ahmed Elazab, Gangyong Jia, Ruiquan Ge, Changmiao Wang
• Abstract要約: 眼底写真は、眼底疾患の臨床的および鑑別診断に欠かせない検査である。 基礎画像の現在の方法では高解像度の画像が得られず、微小な血管病変領域を捉えることができなかった。 本稿では,UWF-SLOからUWF-FAを合成する条件付き生成対向ネットワーク(UWAT-GAN)を提案する。
• 参考スコア（独自算出の注目度）: 1.165405976310311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fundus photography is an essential examination for clinical and differential diagnosis of fundus diseases. Recently, Ultra-Wide-angle Fundus (UWF) techniques, UWF Fluorescein Angiography (UWF-FA) and UWF Scanning Laser Ophthalmoscopy (UWF-SLO) have been gradually put into use. However, Fluorescein Angiography (FA) and UWF-FA require injecting sodium fluorescein which may have detrimental influences. To avoid negative impacts, cross-modality medical image generation algorithms have been proposed. Nevertheless, current methods in fundus imaging could not produce high-resolution images and are unable to capture tiny vascular lesion areas. This paper proposes a novel conditional generative adversarial network (UWAT-GAN) to synthesize UWF-FA from UWF-SLO. Using multi-scale generators and a fusion module patch to better extract global and local information, our model can generate high-resolution images. Moreover, an attention transmit module is proposed to help the decoder learn effectively. Besides, a supervised approach is used to train the network using multiple new weighted losses on different scales of data. Experiments on an in-house UWF image dataset demonstrate the superiority of the UWAT-GAN over the state-of-the-art methods. The source code is available at: https://github.com/Tinysqua/UWAT-GAN.
• Abstract（参考訳）: 眼底撮影は眼底疾患の臨床および鑑別診断に必須の検査である。 近年,ultra-wide-angle fundus (uwf) 法, uwf fluorescein angiography (uwf-fa) 法, uwf scanning laser ophthalmoscopy (uwf-slo) が徐々に用いられている。 しかし、Fluorescein Angiography (FA) と UWF-FA は、有害な影響のあるフッ素ナトリウムを注射する必要がある。 負の影響を避けるため、異質な医療画像生成アルゴリズムが提案されている。 しかし, 基礎撮影では高解像度画像が得られず, 微小血管病変領域の撮影が困難であった。 本稿では,UWF-SLOからUWF-FAを合成する条件付き生成対向ネットワーク(UWAT-GAN)を提案する。 マルチスケールジェネレータと融合モジュールパッチを用いてグローバルおよびローカル情報を抽出し,高解像度の画像を生成する。 さらに,デコーダの学習を支援するために,アテンション送信モジュールを提案する。 さらに、教師付きアプローチは、異なるスケールのデータで複数の新しい重み付き損失を使用してネットワークをトレーニングするために使用されます。 社内UWFイメージデータセットの実験は、最先端の手法よりもUWAT-GANの方が優れていることを示している。 ソースコードはhttps://github.com/tinysqua/uwat-gan。

関連論文リスト

• LPUWF-LDM: Enhanced Latent Diffusion Model for Precise Late-phase UWF-FA Generation on Limited Dataset [8.612128994023832]
  UWF-FA(Ultra-Wide-Field Fluorescein Angiography)は、フルオレセインナトリウムを用いた眼疾患の正確な同定を可能にする。 既存の研究では、UWF-SLO(Ultra-Wide-Phase Scanning Laser Ophthalmoscopy)からUWF-FAを生成する方法が開発されている。 高品質後期UWF-FAの生成を妨げる2つの主要な課題:UWF-SLOと早期・後期UWF-FAデータセットの欠如と病変部位および潜在的な血液漏れ領域における現実的な生成の必要性
  論文  参考訳（メタデータ） (2024-09-01T14:09:00Z)
• UWF-RI2FA: Generating Multi-frame Ultrawide-field Fluorescein Angiography from Ultrawide-field Retinal Imaging Improves Diabetic Retinopathy Stratification [10.833651195216557]
  我々は、生成人工知能(GenAI)を用いた非侵襲的UWF網膜イメージング(UWF-RI)から無色素UWF-FA画像を取得することを目指している。 異なる位相のUWF-FA画像18,321枚を対応するUWF-RI画像に登録し,GAN(Generative Adversarial Network)ベースのトレーニングモデルに入力した。 生成したUWF-FA画像の品質を定量化と人的評価により評価した。
  論文  参考訳（メタデータ） (2024-08-20T08:22:29Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• UWAFA-GAN: Ultra-Wide-Angle Fluorescein Angiography Transformation via Multi-scale Generation and Registration Enhancement [17.28459176559761]
  UWF-FA (UWF fluorescein angiography) は、患者の手や肘に注入して蛍光染料を投与する必要がある。 注射による潜在的な副作用を軽減するため、研究者はクロスモダリティ医療画像生成アルゴリズムの開発を提案した。 本稿では,UWF-SLOからUWF-FAを合成する条件生成対向ネットワーク(UWAFA-GAN)を提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:27:43Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
  本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。 DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
  論文  参考訳（メタデータ） (2023-05-15T20:24:38Z)
• Leveraging Regular Fundus Images for Training UWF Fundus Diagnosis Models via Adversarial Learning and Pseudo-Labeling [29.009663623719064]
  オプトスカメラによる超広視野(UWF)200度の基礎イメージングが徐々に導入されている。 正規の眼底画像は、大量の高品質な注釈付きデータを含んでいる。 ドメインギャップのため、UWFファウンス画像を認識するために、通常のファウンス画像によって訓練されたモデルは、性能が良くない。 本稿では,通常のUWFファウンダスとUWFファウンダスとのギャップを埋めるために,修正サイクル生成対逆ネットワーク(CycleGAN)モデルを提案する。
  論文  参考訳（メタデータ） (2020-11-27T16:25:30Z)
• Attention2AngioGAN: Synthesizing Fluorescein Angiography from Retinal Fundus Images using Generative Adversarial Networks [0.0]
  フルオレセイン血管造影(Fluorescein Angiography, FA)は、Fundusの写真撮影に、励起フィルターとバリアフィルターを取り入れた指定カメラを用いる技術である。 FAはまた、静脈注射されるフルオレセイン色素を必要としており、吐き気、吐き気、さらに致命的なアナフィラキシーに悪影響を及ぼす可能性がある。 本稿では,Fundus画像からFluorescein Angiographyを合成できるアテンションベースの生成ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:58:44Z)
• 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)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。