論文の概要: Latent Diffusion Model for Medical Image Standardization and Enhancement
- arxiv url: http://arxiv.org/abs/2310.05237v1
- Date: Sun, 8 Oct 2023 17:11:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 09:00:46.393226
- Title: Latent Diffusion Model for Medical Image Standardization and Enhancement
- Title（参考訳）: 医用画像の標準化と拡張のための潜時拡散モデル
- Authors: Md Selim, Jie Zhang, Faraneh Fathi, Michael A. Brooks, Ge Wang,
Guoqiang Yu, Jin Chen
- Abstract要約: DiffusionCTは、異なる非標準分布を標準化形式に変換するスコアベースのDDPMモデルである。
このアーキテクチャは、ボトルネック位置に統合されたDDPMモデルにより強化されたU-Netベースのエンコーダデコーダを含む。
DiffusionCTによる画像の標準化の顕著な改善が示唆された。
- 参考スコア（独自算出の注目度）: 11.295078152769559
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computed tomography (CT) serves as an effective tool for lung cancer
screening, diagnosis, treatment, and prognosis, providing a rich source of
features to quantify temporal and spatial tumor changes. Nonetheless, the
diversity of CT scanners and customized acquisition protocols can introduce
significant inconsistencies in texture features, even when assessing the same
patient. This variability poses a fundamental challenge for subsequent research
that relies on consistent image features. Existing CT image standardization
models predominantly utilize GAN-based supervised or semi-supervised learning,
but their performance remains limited. We present DiffusionCT, an innovative
score-based DDPM model that operates in the latent space to transform disparate
non-standard distributions into a standardized form. The architecture comprises
a U-Net-based encoder-decoder, augmented by a DDPM model integrated at the
bottleneck position. First, the encoder-decoder is trained independently,
without embedding DDPM, to capture the latent representation of the input data.
Second, the latent DDPM model is trained while keeping the encoder-decoder
parameters fixed. Finally, the decoder uses the transformed latent
representation to generate a standardized CT image, providing a more consistent
basis for downstream analysis. Empirical tests on patient CT images indicate
notable improvements in image standardization using DiffusionCT. Additionally,
the model significantly reduces image noise in SPAD images, further validating
the effectiveness of DiffusionCT for advanced imaging tasks.
- Abstract（参考訳）: ct(ct)は肺癌のスクリーニング、診断、治療、予後に有効なツールであり、時間的および空間的な腫瘍の変化を定量化する豊富な特徴の源を提供する。
それでも、CTスキャナーとカスタマイズされた取得プロトコルの多様性は、同一患者の評価においても、テクスチャの特徴に重大な矛盾をもたらす可能性がある。
この可変性は、一貫した画像特徴に依存するその後の研究に根本的な課題をもたらす。
既存のCT画像標準化モデルは、主にGANベースの教師付き学習または半教師付き学習を利用しているが、その性能は限られている。
異なる非標準分布を標準化形式に変換するために、潜時空間で動作する革新的なスコアベースDDPMモデルであるDiffusionCTを提案する。
このアーキテクチャは、ボトルネック位置に統合されたDDPMモデルにより強化されたU-Netベースのエンコーダデコーダを含む。
まず、エンコーダデコーダをDDPMを埋め込むことなく独立して訓練し、入力データの潜在表現をキャプチャする。
第二に、潜在DDPMモデルはエンコーダ-デコーダパラメータを固定しながら訓練される。
最後に、デコーダは変換された潜在表現を使用して標準化されたCT画像を生成し、下流解析のより一貫性のある基盤を提供する。
DiffusionCTによる画像の標準化の顕著な改善が示唆された。
さらに,SPAD画像における画像ノイズを大幅に低減し,DiffusionCTの有効性を検証した。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Multiscale Latent Diffusion Model for Enhanced Feature Extraction from Medical Images [5.395912799904941]
CTスキャナーモデルと取得プロトコルのバリエーションは、抽出した放射能特性に有意な変動をもたらす。
LTDiff++は医療画像の特徴抽出を強化するために設計されたマルチスケール潜在拡散モデルである。
論文 参考訳（メタデータ） (2024-10-05T02:13:57Z) - Unsupervised Contrastive Analysis for Salient Pattern Detection using Conditional Diffusion Models [13.970483987621135]
コントラスト分析(CA)は、背景(BG)データセットとターゲット(TG)データセット(不健康な被験者)を区別できる画像内のパターンを識別することを目的としている。
この話題に関する最近の研究は、BGサンプルからTGサンプルを分離するパターンを教師付きで学習するために、変分オートエンコーダ(VAE)や対照的な学習戦略に依存している。
自己教師付きコントラストエンコーダを用いて、入力画像から共通パターンのみを符号化する潜時表現を学習し、トレーニング中にBGデータセットからのみサンプルを用いて学習し、データ拡張技術を用いて対象パターンの分布を近似する。
論文 参考訳（メタデータ） (2024-06-02T15:19:07Z) - Paired Diffusion: Generation of related, synthetic PET-CT-Segmentation scans using Linked Denoising Diffusion Probabilistic Models [0.0]
本研究では,複数のPET-CT-腫瘍マスクペアをペアネットワークと条件エンコーダを用いて生成できる新しいアーキテクチャを提案する。
我々のアプローチには、DDPMサンプリング一貫性を改善するための革新的で時間的なステップ制御機構とノイズ探索戦略が含まれる。
論文 参考訳（メタデータ） (2024-03-26T14:21:49Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳（メタデータ） (2023-09-03T07:55:46Z) - 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) - DiffusionCT: Latent Diffusion Model for CT Image Standardization [9.312998333278802]
既存のCT画像調和モデルは、GANベースの教師付きまたは半教師付き学習に依存しており、性能は限られている。
この研究は、異なるベンダーやプロトコルから取得したCT画像を標準化するために、DiffusionCTと呼ばれる新しい拡散ベースモデルを用いたCT画像調和の問題に対処する。
DiffusionCTを用いた標準化タスクの性能向上実験を行った。
論文 参考訳（メタデータ） (2023-01-20T22:13:48Z) - PatchNR: Learning from Small Data by Patch Normalizing Flow
Regularization [57.37911115888587]
正規化フローに基づく画像の逆問題に対する変分モデリングのための正規化器を提案する。
patchNRと呼ばれる我々の正規化器は、ごく少数の画像のパッチで学習したフローを正規化します。
論文 参考訳（メタデータ） (2022-05-24T12:14:26Z) - Neural Data-Dependent Transform for Learned Image Compression [72.86505042102155]
ニューラルデータに依存した変換を構築し,各画像の符号化効率を最適化する連続オンラインモード決定機構を導入する。
実験の結果,提案したニューラルシンタクス設計と連続オンラインモード決定機構の有効性が示された。
論文 参考訳（メタデータ） (2022-03-09T14:56:48Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - STAN-CT: Standardizing CT Image using Generative Adversarial Network [10.660781755744312]
我々は,CT画像の標準化と標準化のためにSTAN-CTと呼ばれるエンドツーエンドのソリューションを提案する。
STAN-CTは, 数ラウンドのジェネレータトレーニングで標準画像プロトコルのデータ分散を効果的に学習できる新しいGANモデルと, 体系的な画像品質制御を備えたDICOM再構築パイプラインの2つのコンポーネントから構成される。
論文 参考訳（メタデータ） (2020-04-02T23:43:06Z)
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。