論文の概要: A Strictly Bounded Deep Network for Unpaired Cyclic Translation of Medical Images

• arxiv url: http://arxiv.org/abs/2311.02480v1
• Date: Sat, 4 Nov 2023 18:43:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 17:31:38.807528
• Title: A Strictly Bounded Deep Network for Unpaired Cyclic Translation of Medical Images
• Title（参考訳）: 医用画像の循環翻訳のための厳密な境界付きディープネットワーク
• Authors: Swati Rai, Jignesh S. Bhatt, and Sarat Kumar Patra
• Abstract要約: 我々は、障害のない医療画像を検討し、安定な双方向翻訳をもたらす厳密な境界付きネットワークを提供する。 本稿では,適応辞書学習を組み込んだpCCGANを提案する。
• 参考スコア（独自算出の注目度）: 0.5120567378386615
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Medical image translation is an ill-posed problem. Unlike existing paired unbounded unidirectional translation networks, in this paper, we consider unpaired medical images and provide a strictly bounded network that yields a stable bidirectional translation. We propose a patch-level concatenated cyclic conditional generative adversarial network (pCCGAN) embedded with adaptive dictionary learning. It consists of two cyclically connected CGANs of 47 layers each; where both generators (each of 32 layers) are conditioned with concatenation of alternate unpaired patches from input and target modality images (not ground truth) of the same organ. The key idea is to exploit cross-neighborhood contextual feature information that bounds the translation space and boosts generalization. The generators are further equipped with adaptive dictionaries learned from the contextual patches to reduce possible degradation. Discriminators are 15-layer deep networks that employ minimax function to validate the translated imagery. A combined loss function is formulated with adversarial, non-adversarial, forward-backward cyclic, and identity losses that further minimize the variance of the proposed learning machine. Qualitative, quantitative, and ablation analysis show superior results on real CT and MRI.
• Abstract（参考訳）: 医用画像翻訳は不適切な問題である。 本稿では, 既存の一方向一方向翻訳ネットワークとは異なり, 不対化医療画像について検討し, 安定な双方向翻訳を実現する厳密な有界ネットワークを提供する。 適応辞書学習に組み込んだパッチレベル連結巡回条件生成逆数ネットワーク(pCCGAN)を提案する。 47層のサイクリック接続された2つのCGANで構成されており、両方のジェネレータ(各32層の層)は、同じ臓器の入力とターゲットのモダリティ画像(地上の真理ではない)から異なる未対のパッチを連結して条件付けされている。 鍵となる考え方は、近隣の文脈の特徴情報を利用して翻訳空間を束縛し、一般化を促進することである。 ジェネレータはさらに、コンテキストパッチから学習した適応辞書を備えて、劣化の可能性を低減している。 識別器は、ミニマックス関数を用いて翻訳画像を検証する15層ディープネットワークである。 複合損失関数は, 対向的, 非対向的, 前向きの周期的, 同一性的損失で定式化され, 提案した学習機械の分散をさらに小さくする。 定性的,定量的,アブレーション分析の結果,実際のCTおよびMRIでは良好な結果が得られた。

関連論文リスト

• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• SyntStereo2Real: Edge-Aware GAN for Remote Sensing Image-to-Image Translation while Maintaining Stereo Constraint [1.8749305679160366]
  現在の手法では、2つのネットワーク、未ペア画像間翻訳ネットワークとステレオマッチングネットワークを組み合わせている。 両タスクを同時に処理するエッジ対応のGANネットワークを提案する。 我々は,既存のモデルよりも定性的かつ定量的に優れた結果が得られ,その適用性は多様な領域にまで及んでいることを実証した。
  論文  参考訳（メタデータ） (2024-04-14T14:58:52Z)
• Anatomical Conditioning for Contrastive Unpaired Image-to-Image Translation of Optical Coherence Tomography Images [0.0]
  我々は,光コヒーレンストモグラフィー(OCT)データセットを用いたSpectralis-OCT画像とHome-OCT画像の問題点について検討した。 I2I翻訳は画像が損なわれないため難しい。 提案手法は,スタイル変換された画像とターゲット分布との類似性を高める。
  論文  参考訳（メタデータ） (2024-04-08T11:20:28Z)
• Cascaded Multi-path Shortcut Diffusion Model for Medical Image Translation [26.67518950976257]
  高品質な医用画像翻訳と不確実性推定のためのカスケードマルチパスショートカット拡散モデル(CMDM)を提案する。 実験の結果,CMDMは最先端の手法に匹敵する高品質な翻訳を実現できることがわかった。
  論文  参考訳（メタデータ） (2024-04-06T03:02:47Z)
• So Different Yet So Alike! Constrained Unsupervised Text Style Transfer [54.4773992696361]
  本稿では,GAN(Generative Adversarial Network)モデルに2つの相補的損失を導入することによって,制約付き教師なしテキストスタイル転送を実現する手法を提案する。 GANにおける競合的損失とは違って,識別器とジェネレータが協調して同じ損失を減少させる協調的損失を導入する。 自動評価と人的評価の両方法により, 相補的な協調的損失がテキスト品質を向上させることを示す。
  論文  参考訳（メタデータ） (2022-05-09T07:46:40Z)
• The Spatially-Correlative Loss for Various Image Translation Tasks [69.62228639870114]
  シーン構造の一貫性を保つために、シンプルで効率的かつ効果的な新しい空間相関損失を提案します。 以前の方法は、ピクセルレベルのサイクル一貫性または特徴レベルのマッチング損失を使用してこれを試みます。 I2I翻訳の3つのモードすべてにおいて,ベースラインモデルに対して,単一モーダル,マルチモーダル,さらには単一イメージ翻訳において,明確な改善が見られた。
  論文  参考訳（メタデータ） (2021-04-02T02:13:30Z)
• Segmentation-Renormalized Deep Feature Modulation for Unpaired Image Harmonization [0.43012765978447565]
  サイクル一貫性のある生成共役ネットワークは、ソースとターゲットドメイン間のイメージセットの調和に使われてきた。 これらの手法は、不安定性、コントラストの逆転、病理の難治性操作、および実際の医用画像における信頼性を制限したステガノグラフィーマッピングの傾向が強い。 解剖学的レイアウトを維持しながらスキャナ間の調和を低減するセグメンテーション正規化画像翻訳フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-11T23:53:51Z)
• Flow-based Deformation Guidance for Unpaired Multi-Contrast MRI Image-to-Image Translation [7.8333615755210175]
  本稿では,非可逆的アーキテクチャに基づく画像と画像の非対角変換に対する新しいアプローチを提案する。 我々は、連続スライス間の時間的情報を利用して、不適切な医療画像において、あるドメインを別のドメインに変換する最適化により多くの制約を与える。
  論文  参考訳（メタデータ） (2020-12-03T09:10:22Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)
• StereoGAN: Bridging Synthetic-to-Real Domain Gap by Joint Optimization of Domain Translation and Stereo Matching [56.95846963856928]
  大規模な合成データセットはステレオマッチングに有用であるが、通常は既知のドメインバイアスを導入する。 本稿では,ドメイン翻訳とステレオマッチングネットワークを用いたエンドツーエンドのトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-05T03:11:38Z)
• ElixirNet: Relation-aware Network Architecture Adaptation for Medical Lesion Detection [90.13718478362337]
  本稿では,1)TruncatedRPNが正負値と負値のバランスをとること,2)Auto-lesion Blockが自動的に医療画像にカスタマイズされ,地域提案間の関係認識操作が組み込まれること,3)Relation Transferモジュールが意味的関係を組み込むこと,の3つのコンポーネントを含む新しいElixirNetを紹介した。 DeepLesionとKits19の実験では、ElixirNetの有効性が証明され、パラメータが少なくてFPNよりも感度と精度が向上した。
  論文  参考訳（メタデータ） (2020-03-03T05:29:49Z)

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。