論文の概要: A 3D Conditional Diffusion Model for Image Quality Transfer -- An
Application to Low-Field MRI
- arxiv url: http://arxiv.org/abs/2311.06631v1
- Date: Sat, 11 Nov 2023 18:30:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 17:45:01.340461
- Title: A 3D Conditional Diffusion Model for Image Quality Transfer -- An
Application to Low-Field MRI
- Title(参考訳): 画像品質伝達のための3次元条件拡散モデル -低磁場MRIへの応用-
- Authors: Seunghoi Kim, Henry F. J. Tregidgo, Ahmed K. Eldaly, Matteo Figini,
Daniel C. Alexander
- Abstract要約: 低磁場(LF)MRIスキャナは、限られたリソースや信頼性の低い電源の設定で依然として一般的である。
彼らはしばしば、高磁場(HF)スキャナよりも空間分解能とコントラストの低い画像を生成する。
画像品質伝達(IQT)は,低画質画像と高画質画像のマッピング関数を学習することにより,画像の品質を高めるために開発された。
- 参考スコア(独自算出の注目度): 3.1342829196938937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-field (LF) MRI scanners (<1T) are still prevalent in settings with
limited resources or unreliable power supply. However, they often yield images
with lower spatial resolution and contrast than high-field (HF) scanners. This
quality disparity can result in inaccurate clinician interpretations. Image
Quality Transfer (IQT) has been developed to enhance the quality of images by
learning a mapping function between low and high-quality images. Existing IQT
models often fail to restore high-frequency features, leading to blurry output.
In this paper, we propose a 3D conditional diffusion model to improve 3D
volumetric data, specifically LF MR images. Additionally, we incorporate a
cross-batch mechanism into the self-attention and padding of our network,
ensuring broader contextual awareness even under small 3D patches. Experiments
on the publicly available Human Connectome Project (HCP) dataset for IQT and
brain parcellation demonstrate that our model outperforms existing methods both
quantitatively and qualitatively. The code is publicly available at
\url{https://github.com/edshkim98/DiffusionIQT}.
- Abstract(参考訳): 低磁場(lf)mriスキャナー(<1t)は、限られたリソースや信頼性の低い電源でまだ普及している。
しかし、高磁場(HF)スキャナよりも空間分解能とコントラストの低い画像が得られることが多い。
この品質格差は、不正確な臨床解釈をもたらす可能性がある。
画像品質伝達(IQT)は,低画質画像と高画質画像のマッピング関数を学習することにより,画像の品質を高めるために開発された。
既存のIQTモデルは、しばしば高周波の特徴の復元に失敗し、ぼやけた出力をもたらす。
本稿では,3次元ボリュームデータ,特にLF MR画像を改善するための3次元条件拡散モデルを提案する。
さらに,ネットワークの自己注意とパディングにクロスバッチ機構を組み込んで,小さな3Dパッチの下でもより広いコンテキスト認識を確保する。
IQTと脳解析のためのHuman Connectome Project(HCP)データセットの実験は、我々のモデルが既存の手法よりも定量的かつ質的に優れていることを示した。
コードは \url{https://github.com/edshkim98/DiffusionIQT} で公開されている。
関連論文リスト
- Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-07-31T17:59:42Z) - Low-field magnetic resonance image enhancement via stochastic image
quality transfer [5.0300525464861385]
低磁場(1T)磁気共鳴イメージング(MRI)スキャナーは、低所得国や中所得国(LMICs)で広く使われている。
低磁場MR画像は通常、高分解能画像(1.5T、3T以上)よりも解像度が低くコントラストが低い。
そこで本研究では、低磁場画像から高磁場で得られた画像から低磁場構造体MRIを推定することにより、画像品質変換(IQT)を提案する。
論文 参考訳(メタデータ) (2023-04-26T08:52:29Z) - NeRF-GAN Distillation for Efficient 3D-Aware Generation with
Convolutions [97.27105725738016]
GAN(Generative Adversarial Networks)のようなニューラルラジアンスフィールド(NeRF)と生成モデルの統合は、単一ビュー画像から3D認識生成を変換した。
提案手法は,ポーズ条件付き畳み込みネットワークにおいて,事前学習したNeRF-GANの有界遅延空間を再利用し,基礎となる3次元表現に対応する3D一貫性画像を直接生成する手法である。
論文 参考訳(メタデータ) (2023-03-22T18:59:48Z) - NerfDiff: Single-image View Synthesis with NeRF-guided Distillation from
3D-aware Diffusion [107.67277084886929]
単一の画像からの新しいビュー合成には、オブジェクトやシーンの隠蔽領域を推論すると同時に、入力とのセマンティックおよび物理的整合性を同時に維持する必要がある。
そこで我々は,NerfDiffを提案する。NerfDiffは3D対応条件拡散モデル(CDM)の知識を,テスト時に仮想ビューの集合を合成・精製することで,NeRFに抽出することでこの問題に対処する。
さらに,CDMサンプルから3次元一貫した仮想ビューを同時に生成し,改良された仮想ビューに基づいてNeRFを微調整する新しいNeRF誘導蒸留アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-20T17:12:00Z) - SOUP-GAN: Super-Resolution MRI Using Generative Adversarial Networks [9.201328999176402]
本稿では,GAN(Perceptual-tuned Generative Adversarial Network)を用いたSOUP-GANというフレームワークを提案する。
本モデルは,新しい3D SR技術として期待でき,臨床と研究の両方に応用できる可能性を示している。
論文 参考訳(メタデータ) (2021-06-04T16:59:23Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳(メタデータ) (2021-04-04T20:30:14Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳(メタデータ) (2021-01-14T03:45:01Z) - Hierarchical Amortized Training for Memory-efficient High Resolution 3D
GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。
トレーニングと推論の異なる構成を使用することで、この目標を達成する。
3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文 参考訳(メタデータ) (2020-08-05T02:33:04Z) - Image Quality Transfer Enhances Contrast and Resolution of Low-Field
Brain MRI in African Paediatric Epilepsy Patients [1.8884732354822316]
1.5T または 3T スキャナーは、現在の臨床MRIの標準であるが、低磁場 (1T) スキャナーは、多くの低所得国や中所得国で依然として一般的である。
ローフィールドスキャナーは、等価解像度での信号対雑音比の低い画像を提供する。
画像品質伝達の最近のパラダイムは、0.36T構造画像を強化するために適用されている。
論文 参考訳(メタデータ) (2020-03-16T13:46:58Z) - MRI Super-Resolution with GAN and 3D Multi-Level DenseNet: Smaller,
Faster, and Better [16.65044022241517]
高分解能(HR)磁気共鳴画像(MRI)は、臨床応用において診断に重要な詳細な解剖情報を提供する。
HR MRIは通常、長時間のスキャン、空間被覆の小さい、信号対雑音比(SNR)のコストがかかる。
近年の研究では、ディープ畳み込みニューラルネットワーク(CNN)を用いて、単一画像超解像(SISR)アプローチにより、低解像度(LR)入力からHRジェネリックイメージを復元できることが示されている。
論文 参考訳(メタデータ) (2020-03-02T22:07:56Z)
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。