論文の概要: A Complementary Global and Local Knowledge Network for Ultrasound denoising with Fine-grained Refinement

• arxiv url: http://arxiv.org/abs/2310.03402v1
• Date: Thu, 5 Oct 2023 09:12:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-06 16:55:19.416832
• Title: A Complementary Global and Local Knowledge Network for Ultrasound denoising with Fine-grained Refinement
• Title（参考訳）: 微細微細化による超音波の補完的グローバル・ローカル知識ネットワーク
• Authors: Zhenyu Bu, Kai-Ni Wang, Fuxing Zhao, Shengxiao Li, Guang-Quan Zhou
• Abstract要約: 超音波イメージングは、一般的に臨床検査で使用される効果的で非侵襲的な診断ツールとして機能する。 既存のスペックルノイズ低減手法は、過剰な画像の平滑化を誘発するか、詳細情報を適切に保存することができない。 微細な精細化を伴う超音波診断のための補完的グローバル・ローカル知識ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.7424725048947504
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound imaging serves as an effective and non-invasive diagnostic tool commonly employed in clinical examinations. However, the presence of speckle noise in ultrasound images invariably degrades image quality, impeding the performance of subsequent tasks, such as segmentation and classification. Existing methods for speckle noise reduction frequently induce excessive image smoothing or fail to preserve detailed information adequately. In this paper, we propose a complementary global and local knowledge network for ultrasound denoising with fine-grained refinement. Initially, the proposed architecture employs the L-CSwinTransformer as encoder to capture global information, incorporating CNN as decoder to fuse local features. We expand the resolution of the feature at different stages to extract more global information compared to the original CSwinTransformer. Subsequently, we integrate Fine-grained Refinement Block (FRB) within the skip-connection stage to further augment features. We validate our model on two public datasets, HC18 and BUSI. Experimental results demonstrate that our model can achieve competitive performance in both quantitative metrics and visual performance. Our code will be available at https://github.com/AAlkaid/USDenoising.
• Abstract（参考訳）: 超音波イメージングは、一般的に臨床検査に使用される効果的で非侵襲的な診断ツールである。 しかし、超音波画像におけるスペックルノイズの存在は、画像品質を劣化させ、セグメンテーションや分類といったその後のタスクのパフォーマンスを阻害する。 既存のスペックルノイズ低減法では、過剰な画像平滑化や詳細な情報を適切に保存できない場合が多い。 本稿では,微細な精細化を伴う超音波診断のための補完的グローバル・ローカル知識ネットワークを提案する。 当初、提案されたアーキテクチャはl-cswintransformerをエンコーダとしてグローバル情報をキャプチャし、cnnをデコーダとして組み込んでローカル機能を融合させた。 CSwin Transformer と比較して,様々な段階で特徴の解像度を拡大し,よりグローバルな情報を抽出する。 その後、スキップ接続ステージに細粒度リファインメントブロック(FRB)を統合し、機能拡張を行う。 HC18とBUSIの2つの公開データセットでモデルを検証する。 実験結果から, 定量的指標と視覚的性能の両面での競合性能が得られた。 私たちのコードはhttps://github.com/aalkaid/usdenoisingで利用できます。

関連論文リスト

• Synomaly Noise and Multi-Stage Diffusion: A Novel Approach for Unsupervised Anomaly Detection in Ultrasound Imaging [32.99597899937902]
  拡散モデルに基づく新しい教師なし異常検出フレームワークを提案する。 提案手法は, 合成ノイズ関数と多段拡散過程を組み込む。 提案手法は頸動脈US,脳MRI,肝CTを用いて検討した。
  論文  参考訳（メタデータ） (2024-11-06T15:43:51Z)
• Multi-Scale Texture Loss for CT denoising with GANs [0.9349653765341301]
  GAN(Generative Adversarial Networks)は、医療画像の応用を認知するための強力なフレームワークとして証明されている。 本研究は,Gray-Level-Co-occurrence Matrix (GLCM) の内在的マルチスケール特性を利用した損失関数を提案する。 また,画像から抽出したマルチスケールテクスチャ情報を動的に集約する自己認識層を導入する。
  論文  参考訳（メタデータ） (2024-03-25T11:28:52Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• WATUNet: A Deep Neural Network for Segmentation of Volumetric Sweep Imaging Ultrasound [1.2903292694072621]
  ボリューム・スイープ・イメージング(VSI)は、訓練を受けていないオペレーターが高品質な超音波画像をキャプチャできる革新的な手法である。 本稿ではWavelet_Attention_UNet(WATUNet)と呼ばれる新しいセグメンテーションモデルを提案する。 このモデルでは、簡単な接続ではなく、ウェーブレットゲート(WG)とアテンションゲート(AG)をエンコーダとデコーダの間に組み込んで、上記の制限を克服する。
  論文  参考訳（メタデータ） (2023-11-17T20:32:37Z)
• Multi-Level Global Context Cross Consistency Model for Semi-Supervised Ultrasound Image Segmentation with Diffusion Model [0.0]
  本研究では,Latent Diffusion Model (LDM) によって生成された画像を,半教師付き学習のためのラベル付き画像として利用するフレームワークを提案する。 提案手法により,確率分布の知識をセグメント化ネットワークに効果的に伝達することが可能となり,セグメント化精度が向上する。
  論文  参考訳（メタデータ） (2023-05-16T14:08:24Z)
• Degradation-Noise-Aware Deep Unfolding Transformer for Hyperspectral Image Denoising [9.119226249676501]
  ハイパースペクトル画像(HSI)は、帯域幅が狭いため、ノイズが多いことが多い。 HSIデータキューブのノイズを低減するため、モデル駆動型と学習型の両方の復調アルゴリズムが提案されている。 本稿では,これらの問題に対処するDNA-Net(Degradation-Noise-Aware Unfolding Network)を提案する。
  論文  参考訳（メタデータ） (2023-05-06T13:28:20Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。