論文の概要: Unpaired Optical Coherence Tomography Angiography Image Super-Resolution
via Frequency-Aware Inverse-Consistency GAN
- arxiv url: http://arxiv.org/abs/2309.17269v1
- Date: Fri, 29 Sep 2023 14:19:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-02 13:21:25.461294
- Title: Unpaired Optical Coherence Tomography Angiography Image Super-Resolution
via Frequency-Aware Inverse-Consistency GAN
- Title(参考訳): 非対光コヒーレンス断層画像の周波数認識逆抵抗ganによる超解像
- Authors: Weiwen Zhang, Dawei Yang, Haoxuan Che, An Ran Ran, Carol Y. Cheung,
and Hao Chen
- Abstract要約: 本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。
また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。
実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
- 参考スコア(独自算出の注目度): 6.717440708401628
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For optical coherence tomography angiography (OCTA) images, a limited
scanning rate leads to a trade-off between field-of-view (FOV) and imaging
resolution. Although larger FOV images may reveal more parafoveal vascular
lesions, their application is greatly hampered due to lower resolution. To
increase the resolution, previous works only achieved satisfactory performance
by using paired data for training, but real-world applications are limited by
the challenge of collecting large-scale paired images. Thus, an unpaired
approach is highly demanded. Generative Adversarial Network (GAN) has been
commonly used in the unpaired setting, but it may struggle to accurately
preserve fine-grained capillary details, which are critical biomarkers for
OCTA. In this paper, our approach aspires to preserve these details by
leveraging the frequency information, which represents details as
high-frequencies ($\textbf{hf}$) and coarse-grained backgrounds as
low-frequencies ($\textbf{lf}$). In general, we propose a GAN-based unpaired
super-resolution method for OCTA images and exceptionally emphasize
$\textbf{hf}$ fine capillaries through a dual-path generator. To facilitate a
precise spectrum of the reconstructed image, we also propose a frequency-aware
adversarial loss for the discriminator and introduce a frequency-aware focal
consistency loss for end-to-end optimization. Experiments show that our method
outperforms other state-of-the-art unpaired methods both quantitatively and
visually.
- Abstract(参考訳): 光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)画像では、限られた走査速度が視野(FOV)と画像分解能のトレードオフにつながる。
FOV画像は, より広範に異所性血管病変を呈するが, 分解能の低下により適用が著しく阻害される。
解像度を向上させるために、従来の研究はペア化されたデータを使ってトレーニングすることでのみ満足できる性能を実現したが、大規模なペア化された画像の収集という課題によって現実の応用は限られている。
したがって、不公平なアプローチが要求される。
GAN(Generative Adversarial Network)は、未成熟の環境で一般的に使用されているが、OCTAにとって重要なバイオマーカーである細粒度キャピラリーの詳細を正確に保存することは困難である。
本稿では,高頻度(\textbf{hf}$)と粗粒度を低頻度(\textbf{lf}$)と表現する周波数情報を活用して,これらの詳細を保存しようとする。
一般論として、OCTA画像のGANに基づく非ペア化超解像法を提案し、デュアルパスジェネレータによる$\textbf{hf}$ファインキャピラリーを例外的に強調する。
また、再構成画像の正確なスペクトル化を容易にするため、識別器の周波数認識対向損失を提案し、周波数認識焦点整合損失を導入してエンドツーエンドの最適化を行う。
実験により,本手法は定量的および視覚的に,他の最先端の非ペアリング手法よりも優れていることが示された。
関連論文リスト
- Efficient Medicinal Image Transmission and Resolution Enhancement via GAN [0.0]
本稿では,ネットワーク伝送の最適化により画像の品質を向上する効率的な手法を提案する。
Real-ESRGANによるX線画像の低解像度ファイルへの前処理は、サーバの負荷と送信帯域幅の削減に役立つ。
低解像度画像はReal-ESRGANを用いて受信端でアップスケールされる。
論文 参考訳(メタデータ) (2024-11-19T19:39:42Z) - FreqINR: Frequency Consistency for Implicit Neural Representation with Adaptive DCT Frequency Loss [5.349799154834945]
本稿では、新しい任意スケール超解像法であるFreqINR(FreqINR)について述べる。
トレーニングでは,適応離散コサイン変換周波数損失(adaptive Discrete Cosine Transform Frequency Loss,ADFL)を用いて,HR画像と地絡画像の周波数ギャップを最小化する。
推論の際には,低分解能(LR)画像と地軸画像のスペクトルコヒーレンスを維持するために受容場を拡張した。
論文 参考訳(メタデータ) (2024-08-25T03:53:17Z) - 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) - Sub2Full: split spectrum to boost OCT despeckling without clean data [0.0]
クリーンデータのないOCT復号化のための,Sub2Full (S2F) と呼ばれる革新的な自己管理戦略を提案する。
このアプローチは、2つの繰り返しBスキャンを取得し、第1の繰り返しのスペクトルを低解像度の入力として分割し、第2の繰り返しのスペクトルを高解像度のターゲットとして利用する。
提案手法は,外網膜のサブラミナー構造を可視化するvis-OCT網膜画像で検証し,従来のノイズ2ノイズやノイズ2Voidよりも優れた性能を示した。
論文 参考訳(メタデータ) (2024-01-18T16:59:04Z) - Frequency-aware optical coherence tomography image super-resolution via
conditional generative adversarial neural network [0.3040864511503504]
周波数ベースモジュールと周波数ベース損失関数を条件付き生成対向ネットワーク(cGAN)に統合する周波数対応超解像フレームワークを提案する。
我々は,既存の深層学習フレームワークよりも提案したフレームワークが優れていることを示すため,既存の冠動脈OCTデータセットから大規模な定量的研究を行った。
論文 参考訳(メタデータ) (2023-07-20T16:07:02Z) - Optical Coherence Tomography Image Enhancement via Block Hankelization
and Low Rank Tensor Network Approximation [29.767032203718866]
埋め込み空間におけるリング分解を用いた新しいOCT超解像法を提案する。
重複パッチハンケリゼーションと呼ばれる重複パッチを用いたブロックハンケリゼーションに基づく新しいテンソル化法が提案されている。
ハンケライズ法により,画素間の接続をよりよく利用し,画像の超解像化を実現することができる。
論文 参考訳(メタデータ) (2023-06-19T06:23:26Z) - On Measuring and Controlling the Spectral Bias of the Deep Image Prior [63.88575598930554]
深層画像は、未学習のネットワークが逆画像問題に対処できることを実証している。
ピークに達するとパフォーマンスが低下するので、いつ最適化を止めるかを決めるにはオラクルが必要です。
これらの問題に対処するために、スペクトルバイアスの観点から先行した深部画像について検討する。
論文 参考訳(メタデータ) (2021-07-02T15:10:42Z) - Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。
本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文 参考訳(メタデータ) (2021-03-01T19:19:38Z) - Perception Consistency Ultrasound Image Super-resolution via
Self-supervised CycleGAN [63.49373689654419]
自己スーパービジョンとサイクル生成対向ネットワーク(CycleGAN)に基づく新しい知覚整合超音波画像超解像法を提案する。
まず,検査用超音波LR画像のHR父子とLR子を画像強調により生成する。
次に、LR-SR-LRとHR-LR-SRのサイクル損失と判別器の対角特性をフル活用して、より知覚的に一貫性のあるSR結果を生成する。
論文 参考訳(メタデータ) (2020-12-28T08:24:04Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳(メタデータ) (2020-12-18T08:25:39Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-03-15T23:07:56Z)
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。