論文の概要: Sub2Full: split spectrum to boost OCT despeckling without clean data

• arxiv url: http://arxiv.org/abs/2401.10128v1
• Date: Thu, 18 Jan 2024 16:59:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 15:45:24.732264
• Title: Sub2Full: split spectrum to boost OCT despeckling without clean data
• Title（参考訳）: Sub2Full: クリーンデータなしでOCTの切り離しを促進するスプリットスペクトル
• Authors: Lingyun Wang, Jose A Sahel, Shaohua Pi
• Abstract要約: クリーンデータのないOCT復号化のための,Sub2Full (S2F) と呼ばれる革新的な自己管理戦略を提案する。 このアプローチは、2つの繰り返しBスキャンを取得し、第1の繰り返しのスペクトルを低解像度の入力として分割し、第2の繰り返しのスペクトルを高解像度のターゲットとして利用する。 提案手法は,外網膜のサブラミナー構造を可視化するvis-OCT網膜画像で検証し,従来のノイズ2ノイズやノイズ2Voidよりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optical coherence tomography (OCT) suffers from speckle noise, causing the deterioration of image quality, especially in high-resolution modalities like visible light OCT (vis-OCT). The potential of conventional supervised deep learning denoising methods is limited by the difficulty of obtaining clean data. Here, we proposed an innovative self-supervised strategy called Sub2Full (S2F) for OCT despeckling without clean data. This approach works by acquiring two repeated B-scans, splitting the spectrum of the first repeat as a low-resolution input, and utilizing the full spectrum of the second repeat as the high-resolution target. The proposed method was validated on vis-OCT retinal images visualizing sublaminar structures in outer retina and demonstrated superior performance over conventional Noise2Noise and Noise2Void schemes. The code is available at https://github.com/PittOCT/Sub2Full-OCT-Denoising.
• Abstract（参考訳）: 光コヒーレンストモグラフィ(OCT)はスペックルノイズに悩まされ、特に可視光OCT(vis-OCT)のような高解像度のモードでは画質が劣化する。 従来の教師付き深層学習手法の可能性は,クリーンなデータを得ることの困難さによって制限される。 そこで我々は, クリーンデータのないOCT復号化のための, Sub2Full (S2F) と呼ばれる革新的な自己管理戦略を提案した。 このアプローチは、2つの繰り返しBスキャンを取得し、第1繰り返しのスペクトルを低分解能入力として分割し、第2繰り返しのスペクトルを高分解能ターゲットとして利用する。 提案手法は,視床下構造を視認する vis-oct 網膜画像で検証され,従来の noise2noise および noise2void 法よりも優れた性能を示した。 コードはhttps://github.com/PittOCT/Sub2Full-OCT-Denoisingで公開されている。

関連論文リスト

• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
  本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。 また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。 実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-29T14:19:51Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Noise Conscious Training of Non Local Neural Network powered by Self Attentive Spectral Normalized Markovian Patch GAN for Low Dose CT Denoising [20.965610734723636]
  深層学習技術は低線量CT(LDCT) denoisingの主流の方法として現れている。 そこで本研究では,CT画像の近傍類似性を利用した新しい畳み込みモジュールを提案する。 次に,CTノイズの非定常性の問題に向けて移動し,LDCT復調のための新しいノイズ認識平均二乗誤差損失を導入した。
  論文  参考訳（メタデータ） (2020-11-11T10:44:52Z)
• Unpaired Learning of Deep Image Denoising [80.34135728841382]
  本稿では,自己指導型学習と知識蒸留を取り入れた2段階の手法を提案する。 自己教師型学習では,実雑音の画像のみから視覚を学習するための拡張型盲点ネットワーク(D-BSN)を提案する。 実験の結果,本手法は合成ノイズ画像と実世界のノイズ画像の両方で良好に機能することがわかった。
  論文  参考訳（メタデータ） (2020-08-31T16:22:40Z)

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。