論文の概要: SCPAT-GAN: Structural Constrained and Pathology Aware Convolutional Transformer-GAN for Virtual Histology Staining of Human Coronary OCT images

• arxiv url: http://arxiv.org/abs/2307.12138v1
• Date: Sat, 22 Jul 2023 18:18:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 17:48:40.672183
• Title: SCPAT-GAN: Structural Constrained and Pathology Aware Convolutional Transformer-GAN for Virtual Histology Staining of Human Coronary OCT images
• Title（参考訳）: SCPAT-GAN:ヒト冠動脈OCT像の仮想組織像におけるコンボリューショナルトランスフォーマー-GANの制約と病理
• Authors: Xueshen Li, Hongshan Liu, Xiaoyu Song, Brigitta C. Brott, Silvio H. Litovsky, and Yu Gan
• Abstract要約: 我々は,OCT画像から仮想染色H&Eヒストロジーを生成するために,構造制約付き,病理に配慮した,トランスフォーマー生成系であるSCPAT-GANを提案する。 提案したSCPAT-GANは,トランスフォーマネットワークを用いた構造層に対する病理的ガイダンスを付加するために,新しい設計により既存の手法を進歩させる。
• 参考スコア（独自算出の注目度）: 2.01104521049348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is a significant need for the generation of virtual histological information from coronary optical coherence tomography (OCT) images to better guide the treatment of coronary artery disease. However, existing methods either require a large pixel-wisely paired training dataset or have limited capability to map pathological regions. To address these issues, we proposed a structural constrained, pathology aware, transformer generative adversarial network, namely SCPAT-GAN, to generate virtual stained H&E histology from OCT images. The proposed SCPAT-GAN advances existing methods via a novel design to impose pathological guidance on structural layers using transformer-based network.
• Abstract（参考訳）: 冠動脈疾患の治療の指針として,冠動脈光コヒーレンス断層撮影(OCT)画像から仮想組織情報を生成することが必要である。 しかし、既存の手法では、大きなピクセル単位でペアリングされたトレーニングデータセットを必要とするか、あるいは病理領域をマッピングする能力に制限がある。 これらの課題に対処するため,OCT画像から仮想染色H&Eヒストロジーを生成するために,構造的制約に配慮したトランスフォーマー生成対向ネットワーク,すなわちSCPAT-GANを提案した。 提案するscpat-ganは, トランスフォーマリンネットワークを用いた構造層に病理的指導を課す新しい設計法により, 既存の手法を改良した。

関連論文リスト

• TPOT: Topology Preserving Optimal Transport in Retinal Fundus Image Enhancement [16.84367978693017]
  持続性図の差を最小限に抑えて血管構造を規則化する訓練パラダイムを提案する。 得られたフレームワークをTPOT(Topology Preserving Optimal Transport)と呼ぶ。 大規模データセットを用いた実験結果から,提案手法の優位性を示した。
  論文  参考訳（メタデータ） (2024-11-03T02:04:35Z)
• Solving Low-Dose CT Reconstruction via GAN with Local Coherence [2.325977856241404]
  本稿では,局所コヒーレンスを向上したGANを用いた新しい手法を提案する。 提案手法は, 近接画像の局所的コヒーレンスを光学的流れにより捕捉し, 構築した画像の精度と安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2023-09-24T08:55:42Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Structural constrained virtual histology staining for human coronary imaging using deep learning [2.130935322429084]
  我々は,冠状動脈のCT像を仮想組織像に転送する深層学習ネットワーク,すなわち冠状動脈-GANを開発した。 冠状動脈造影像の構造的制約を特に考慮し,従来のGAN法よりも優れた画像生成性能を実現する。
  論文  参考訳（メタデータ） (2022-11-12T20:25:04Z)
• Segmentation-guided Domain Adaptation and Data Harmonization of Multi-device Retinal Optical Coherence Tomography using Cycle-Consistent Generative Adversarial Networks [2.968191199408213]
  本稿では,複数のデバイスからの画像を単一画像領域に適応させるセグメント化誘導型領域適応手法を提案する。 来るべき新しいデータセットに対する手動ラベリングの時間消費と、既存のネットワークの再トレーニングを回避する。
  論文  参考訳（メタデータ） (2022-08-31T05:06:00Z)
• Generation of Artificial CT Images using Patch-based Conditional Generative Adversarial Networks [0.0]
  本稿では,条件付き判別器を用いた生成対向ネットワークを用いた画像生成手法を提案する。 心電図(CT)画像におけるGAN強調医用画像生成の可能性について検討した。
  論文  参考訳（メタデータ） (2022-05-19T20:29:25Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)

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。