論文の概要: Learning Super-Resolution Ultrasound Localization Microscopy from Radio-Frequency Data

• arxiv url: http://arxiv.org/abs/2311.04081v1
• Date: Tue, 7 Nov 2023 15:47:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 15:01:27.149989
• Title: Learning Super-Resolution Ultrasound Localization Microscopy from Radio-Frequency Data
• Title（参考訳）: 高周波データを用いた超解像超音波局在顕微鏡の学習
• Authors: Christopher Hahne, Georges Chabouh, Olivier Couture, Raphael Sznitman
• Abstract要約: DASビームフォーミングとその制限を回避しつつ、RFデータを超高分解能ネットワークに供給することを提案する。 RFトレーニングネットワークの結果から,DASビームフォーミングを除くと,ULMの分解能性能を最適化できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 8.312810360920107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound Localization Microscopy (ULM) enables imaging of vascular structures in the micrometer range by accumulating contrast agent particle locations over time. Precise and efficient target localization accuracy remains an active research topic in the ULM field to further push the boundaries of this promising medical imaging technology. Existing work incorporates Delay-And-Sum (DAS) beamforming into particle localization pipelines, which ultimately determines the ULM image resolution capability. In this paper we propose to feed unprocessed Radio-Frequency (RF) data into a super-resolution network while bypassing DAS beamforming and its limitations. To facilitate this, we demonstrate label projection and inverse point transformation between B-mode and RF coordinate space as required by our approach. We assess our method against state-of-the-art techniques based on a public dataset featuring in silico and in vivo data. Results from our RF-trained network suggest that excluding DAS beamforming offers a great potential to optimize on the ULM resolution performance.
• Abstract（参考訳）: 超音波局在顕微鏡 (ulm) は, 造影剤粒子位置を経時的に蓄積することにより, マイクロメートル範囲の血管構造のイメージングを可能にする。 高精度かつ効率的な目標位置推定精度は、この有望な医療画像技術の限界をさらに推し進めるために、ULM分野において活発な研究課題である。 既存の作業では、遅延アンドサム(DAS)ビームフォーミングを粒子ローカライゼーションパイプラインに組み込んでおり、最終的にULM画像分解能を決定する。 本稿では,非処理高周波(rf)データを超解像ネットワークに供給し,dasビームフォーミングとその限界を回避することを提案する。 これを容易にするために,BモードとRF座標空間間のラベル投影と逆点変換を,我々のアプローチで要求されるように示す。 本手法は,シリコとin vivoデータを特徴とする公開データセットに基づいて,最先端技術に対する評価を行う。 RFトレーニングネットワークの結果から,DASビームフォーミングを除くと,ULM分解能性能を最適化できる可能性が示唆された。

関連論文リスト

• Ensemble Learning for Microbubble Localization in Super-Resolution Ultrasound [1.912429179274357]
  超解像超音波(SR-US)は、微小血管と血流を高空間分解能で捉えるための強力なイメージング技術である。 本稿では,マイクロバブル(MB)のローカライゼーションを高めるためのアンサンブル学習手法の可能性について検討する。
  論文  参考訳（メタデータ） (2024-11-11T21:26:36Z)
• PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
  超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。 我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。 Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
  論文  参考訳（メタデータ） (2024-08-07T09:52:30Z)
• 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)
• Speeding up Photoacoustic Imaging using Diffusion Models [0.0]
  光音響顕微鏡(PAM)は、光学的および音響的イメージングを統合し、組織内の光学吸収成分を検出するための浸透深度を向上させる。 レーザーパルス繰り返し速度による速度制限により、計算手法の潜在的な役割は、PAMイメージングの加速において強調される。 PAM画像の高速化に拡散モデルを用いた,新しい高適応DiffPamアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-14T11:34:27Z)
• RF-ULM: Ultrasound Localization Microscopy Learned from Radio-Frequency Wavefronts [7.652037892439504]
  遅延とサムのビームフォーミングは、RF(Radio-Frequency)チャネルデータを不可逆的に減少させる。 RFウェーブフロントに埋め込まれたリッチなコンテキスト情報は、DNN(Deep Neural Networks)をローカライゼーションシナリオに挑戦する上で、非常に有望である。 本稿では,学習した特徴チャネルシャッフル,非最大抑圧,半グローバル畳み込みブロックを用いて,RFチャネルデータ中の散乱体を直接ローカライズすることを提案する。
  論文  参考訳（メタデータ） (2023-10-02T18:41:23Z)
• 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)
• Geometric Ultrasound Localization Microscopy [6.602729062703117]
  超音波局在顕微鏡(ULM)は10倍の高分解能を提供することで、画期的なブレークスルーを可能にした。 本研究は, ビームフォーミングがULMの最も効果的な処理ステップであるかどうかを問うものである。 楕円交叉によるマイクロバブル定位のための新しい幾何学的枠組みが,既存のビームフォーミング限界を克服するために提案されている。
  論文  参考訳（メタデータ） (2023-06-27T15:18:52Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• 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)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。