論文の概要: Transforming Breast Cancer Diagnosis: Towards Real-Time Ultrasound to
Mammogram Conversion for Cost-Effective Diagnosis
- arxiv url: http://arxiv.org/abs/2308.05449v1
- Date: Thu, 10 Aug 2023 09:15:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 12:56:49.481685
- Title: Transforming Breast Cancer Diagnosis: Towards Real-Time Ultrasound to
Mammogram Conversion for Cost-Effective Diagnosis
- Title（参考訳）: 乳癌の診断 : リアルタイム超音波からマンモグラムへの変換による費用対効果診断
- Authors: Sahar Almahfouz Nasser, Ashutosh Sharma, Anmol Saraf, Amruta Mahendra
Parulekar, Purvi Haria, and Amit Sethi
- Abstract要約: 我々は、波動方程式を解くことにより、マンモグラム画像から超音波画像を生成する。
我々は、シミュレーションされた超音波画像のリアリズムを高めるために、ドメイン適応の力を利用する。
結果として得られた画像は、オリジナルのアメリカの画像よりもかなりはっきりとした詳細を持っている。
- 参考スコア（独自算出の注目度）: 2.319204392173771
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ultrasound (US) imaging is better suited for intraoperative settings because
it is real-time and more portable than other imaging techniques, such as
mammography. However, US images are characterized by lower spatial resolution
noise-like artifacts. This research aims to address these limitations by
providing surgeons with mammogram-like image quality in real-time from noisy US
images. Unlike previous approaches for improving US image quality that aim to
reduce artifacts by treating them as (speckle noise), we recognize their value
as informative wave interference pattern (WIP). To achieve this, we utilize the
Stride software to numerically solve the forward model, generating ultrasound
images from mammograms images by solving wave-equations. Additionally, we
leverage the power of domain adaptation to enhance the realism of the simulated
ultrasound images. Then, we utilize generative adversarial networks (GANs) to
tackle the inverse problem of generating mammogram-quality images from
ultrasound images. The resultant images have considerably more discernible
details than the original US images.
- Abstract（参考訳）: 超音波(US)イメージングは、マンモグラフィなどの他のイメージング技術よりもリアルタイムでポータブルであるため、術中設定に適している。
しかし、アメリカの画像は低空間分解能ノイズのようなアーチファクトが特徴である。
本研究は, 超音波画像からマンモグラムのような画像品質をリアルタイムに提供することで, これらの制約に対処することを目的とする。
スペックノイズとして扱うことによってアーティファクトを削減することを目的とした、これまでの米国における画像品質改善のアプローチとは異なり、その価値は情報波干渉パターン(wip)として認識される。
これを実現するために,strideソフトウェアを用いて前方モデルを数値的に解き,乳房x線写真から超音波画像を生成する。
さらに,シミュレーションされた超音波画像のリアリズムを高めるために,領域適応の力を利用する。
次に,gans(generative adversarial network)を用いて,超音波画像からマンモグラム品質画像を生成する逆問題に対処する。
結果として得られた画像は、オリジナルのアメリカ画像よりもかなり識別可能な詳細情報を持っている。
関連論文リスト
- Uterine Ultrasound Image Captioning Using Deep Learning Techniques [0.0]
本稿では,深層学習を用いた医用画像キャプションについて検討し,特に子宮内超音波画像に焦点を当てた。
我々の研究は、タイムリーで正確な診断を行う医療専門家を支援することを目的としており、最終的には患者ケアの改善に寄与する。
論文 参考訳（メタデータ） (2024-11-21T11:41:42Z) - UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation [59.91293113930909]
超音波による組織散乱の可視化と定量化は中上イメージングが約束している。
既存の手法では、最適なウィンドウサイズの選択に苦労し、推定の不安定性に悩まされている。
提案手法は,中上パラメータ推定のための高精度でクローズドな形状推定器であるUNICORNを提案する。
論文 参考訳（メタデータ） (2024-03-10T18:05:41Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - 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) - Ultrasound Speckle Suppression and Denoising using MRI-derived
Normalizing Flow Priors [16.741462523436848]
本稿では,非教師付き超音波スペックル低減法と画像復調法を提案する。
この方法は、他の(教師なし)超音波復調法(NLMおよびOBNLM)を定量的および定性的に上回る。
論文 参考訳（メタデータ） (2021-12-24T17:21:24Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳（メタデータ） (2021-09-23T15:15:21Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Ultrasound Image Classification using ACGAN with Small Training Dataset [0.0]
ディープラーニングモデルのトレーニングには大きなラベル付きデータセットが必要であるが、超音波画像では利用できないことが多い。
我々は、大規模データ拡張と転送学習の利点を組み合わせた、ジェネレーティブ・アドバイサル・ネットワーク(ACGAN)を利用する。
乳房超音波画像のデータセットを用いて,提案手法の有効性を示す実験を行った。
論文 参考訳（メタデータ） (2021-01-31T11:11:24Z) - 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) - 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。