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
- 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) - UNIQA: A Unified Framework for Both Full-Reference and No-Reference
Image Quality Assessment [53.895598734070695]
完全参照(FR)と非参照(NR)のIQAのための統一ネットワークを提案する。
入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層自己認識(HSA)モジュールを提案する。
HSA と CSCA を採用することにより,提案ネットワークは FR と NR IQA の両方を効果的に実行することができる。
論文 参考訳(メタデータ) (2023-10-14T11:03:04Z) - 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) - VTGAN: Semi-supervised Retinal Image Synthesis and Disease Prediction
using Vision Transformers [0.0]
Fluorescein Angiography(FA)では、注射された染料を血流に注入して網膜の血管構造を画像化します。
眼底イメージングは網膜の撮影に用いられる非侵襲的な技術であるが、その血管構造を撮影するのに十分な忠実性は持たない。
本稿では,眼底画像からFA画像を同時に合成し,網膜変性を予測できる新しい条件生成対向ネットワーク(GAN)を提案する。
論文 参考訳(メタデータ) (2021-04-14T10:32:36Z) - 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) - Fundus2Angio: A Conditional GAN Architecture for Generating Fluorescein
Angiography Images from Retinal Fundus Photography [0.0]
フルオレセイン血管造影画像を生成する非侵襲的なシステムはない。
ファンドス撮影は、数秒で完了する非侵襲的なイメージング技術である。
本稿では,基礎画像からFA画像へ変換する条件付き生成対向ネットワーク(GAN)を提案する。
論文 参考訳(メタデータ) (2020-05-11T17:09:29Z) - Bridge the Domain Gap Between Ultra-wide-field and Traditional Fundus
Images via Adversarial Domain Adaptation [38.697737290155715]
オプトスカメラによる超広視野の眼底撮影は、眼底に関するより広い洞察のために徐々に使われるようになった。
従来の眼底画像の研究は活発な話題であるが、UWF眼底画像の研究はほとんどない。
本稿では,2つのドメイン間のドメインギャップを埋めるフレキシブルなフレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-23T01:31:39Z) - 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。