論文の概要: Improving style transfer in dynamic contrast enhanced MRI using a
spatio-temporal approach
- arxiv url: http://arxiv.org/abs/2310.01908v1
- Date: Tue, 3 Oct 2023 09:30:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 14:57:52.499188
- Title: Improving style transfer in dynamic contrast enhanced MRI using a
spatio-temporal approach
- Title(参考訳): 時空間アプローチによるダイナミックコントラスト強調MRIにおけるスタイル伝達の改善
- Authors: Adam G. Tattersall, Keith A. Goatman, Lucy E. Kershaw, Scott I. K.
Semple and Sonia Dahdouh
- Abstract要約: DCE-MRIのスタイル伝達は、異なる組織と時間にまたがるコントラスト増強の大きな変化のために難しい課題である。
コントラストエンハンスメントの局所的性質に対処するために,自動エンコーダによるコンテンツとスタイルを畳み込みLSTMと組み合わせて,予測潜在空間を時間に沿ってモデル化し,適応畳み込みを適応的に行う手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Style transfer in DCE-MRI is a challenging task due to large variations in
contrast enhancements across different tissues and time. Current unsupervised
methods fail due to the wide variety of contrast enhancement and motion between
the images in the series. We propose a new method that combines autoencoders to
disentangle content and style with convolutional LSTMs to model predicted
latent spaces along time and adaptive convolutions to tackle the localised
nature of contrast enhancement. To evaluate our method, we propose a new metric
that takes into account the contrast enhancement. Qualitative and quantitative
analyses show that the proposed method outperforms the state of the art on two
different datasets.
- Abstract(参考訳): DCE-MRIのスタイル伝達は、異なる組織と時間にまたがるコントラスト増強の大きな変化のために難しい課題である。
現在の教師なし手法は、シリーズ内の画像間の様々なコントラストの強化と動きのために失敗する。
コントラストエンハンスメントの局所的な性質に対処するために,自動エンコーダによるコンテンツとスタイルを畳み込みLSTMと組み合わせ,予測潜在空間を時間に沿ってモデル化する手法を提案する。
本手法を評価するために,コントラストエンハンスメントを考慮した新しい指標を提案する。
定性的および定量的分析により,提案手法は2つの異なるデータセット上で技術の状態より優れていることが示された。
関連論文リスト
- DynaSeg: A Deep Dynamic Fusion Method for Unsupervised Image Segmentation Incorporating Feature Similarity and Spatial Continuity [0.5755004576310334]
本稿では、DynaSegと呼ばれる、教師なし畳み込みニューラルネットワーク(CNN)に基づくアルゴリズムを提案する。
特徴類似性と空間連続性のバランスをとるために固定重み係数に依存する従来の手法とは異なり、我々の新しい動的重み付け方式はパラメータチューニングを自動化する。
現在のベンチマークと比較すると、12.2%と14.12%のmIOUの改善が目覚ましい。
論文 参考訳(メタデータ) (2024-05-09T00:30:45Z) - Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。
AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。
AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2024-03-12T11:48:49Z) - Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。
コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。
各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
論文 参考訳(メタデータ) (2024-03-06T08:35:29Z) - Contrast-augmented Diffusion Model with Fine-grained Sequence Alignment
for Markup-to-Image Generation [15.411325887412413]
本稿では,FSA-CDM (Contrast-augmented Diffusion Model with Fine-fine Sequence Alignment) という新しいモデルを提案する。
FSA-CDMは、マークアップ・ツー・イメージ生成の性能を高めるために、対照的な正/負のサンプルを拡散モデルに導入する。
異なるドメインの4つのベンチマークデータセットで実験が行われる。
論文 参考訳(メタデータ) (2023-08-02T13:43:03Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳(メタデータ) (2022-09-01T10:46:09Z) - Transformer-empowered Multi-scale Contextual Matching and Aggregation
for Multi-contrast MRI Super-resolution [55.52779466954026]
マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。
既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。
そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
論文 参考訳(メタデータ) (2022-03-26T01:42:59Z) - Modality-Adaptive Mixup and Invariant Decomposition for RGB-Infrared
Person Re-Identification [84.32086702849338]
RGB-赤外線人物再同定のための新しいモダリティ適応混合・不変分解(MID)手法を提案する。
MIDは、RGBと赤外線画像の混合画像を生成するためのモダリティ適応混合方式を設計する。
2つの挑戦的なベンチマーク実験は、最先端の手法よりもMIDの優れた性能を示す。
論文 参考訳(メタデータ) (2022-03-03T14:26:49Z) - Contrastively Disentangled Sequential Variational Autoencoder [20.75922928324671]
本稿では,C-DSVAE(Contrastively Disentangled Sequential Variational Autoencoder)という新しいシーケンス表現学習手法を提案する。
我々は,静的因子と動的因子の相互情報をペナルティ化しながら,入力と潜伏因子の相互情報を最大化する新しいエビデンスローバウンドを用いる。
実験の結果、C-DSVAEは従来の最先端の手法よりも優れていたことが判明した。
論文 参考訳(メタデータ) (2021-10-22T23:00:32Z) - Attention-Guided Progressive Neural Texture Fusion for High Dynamic
Range Image Restoration [48.02238732099032]
本研究では,Attention-guided Progressive Neural Texture Fusion (APNT-Fusion) HDR修復モデルを提案する。
飽和領域におけるテクスチャ特性の伝達とマルチ露光トナーとテクスチャ特徴の融合に着目した,効率的な2ストリーム構造を提案する。
プログレッシブテクスチャブレンディングモジュールは、エンコードされた2ストリーム特徴をマルチスケールかつプログレッシブな方法でブレンドするように設計されている。
論文 参考訳(メタデータ) (2021-07-13T16:07:00Z) - Deep Simultaneous Optimisation of Sampling and Reconstruction for
Multi-contrast MRI [6.981200113164422]
一つのコントラストの最適化サンプリングパターンと再構成スキームを生成するアルゴリズムを提案する。
提案アルゴリズムはPSNRとSSIMの増大を最適サンプリングパターンで達成する。
論文 参考訳(メタデータ) (2021-03-31T00:45:58Z)
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。