論文の概要: Deep Spatiotemporal Clutter Filtering of Transthoracic Echocardiographic
Images Using a 3D Convolutional Auto-Encoder
- arxiv url: http://arxiv.org/abs/2401.13147v1
- Date: Tue, 23 Jan 2024 23:50:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-25 15:52:53.256899
- Title: Deep Spatiotemporal Clutter Filtering of Transthoracic Echocardiographic
Images Using a 3D Convolutional Auto-Encoder
- Title（参考訳）: 3次元畳み込みオートエンコーダを用いた経胸部心エコー画像の深部時空間クラッタフィルタリング
- Authors: Mahdi Tabassian, Somayeh Akbari. S, Sandro Queir\'os, Jan D'hooge
- Abstract要約: フィルタリングネットワークは3次元畳み込み層を用いて構築され、サイクルを通して乱れパターンを抑える。
訓練されたディープネットワークは、人工的なTTEシーケンスを1秒で処理し、リアルタイムフィルタリングに使用することができる。
- 参考スコア（独自算出の注目度）: 0.3522080339826246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study presents a deep convolutional auto-encoder network for filtering
reverberation artifacts, from transthoracic echocardiographic (TTE) image
sequences. Given the spatiotemporal nature of these artifacts, the filtering
network was built using 3D convolutional layers to suppress the clutter
patterns throughout the cardiac cycle. The network was designed by taking
advantage of: i) an attention mechanism to focus primarily on cluttered regions
and ii) residual learning to preserve fine structures of the image frames. To
train the deep network, a diverse set of artifact patterns was simulated and
the simulated patterns were superimposed onto artifact-free ultra-realistic
synthetic TTE sequences of six ultrasound vendors to generate input of the
filtering network. The artifact-free sequences served as ground-truth.
Performance of the filtering network was evaluated using unseen synthetic as
well as in-vivo artifactual sequences. Satisfactory results obtained using the
latter dataset confirmed the good generalization performance of the proposed
network which was trained using the synthetic sequences and simulated artifact
patterns. Suitability of the clutter-filtered sequences for further processing
was assessed by computing segmental strain curves from them. The results showed
that the large discrepancy between the strain profiles computed from the
cluttered segments and their corresponding segments in the clutter-free images
was significantly reduced after filtering the sequences using the proposed
network. The trained deep network could process an artifactual TTE sequence in
a fraction of a second and can be used for real-time clutter filtering.
Moreover, it can improve the precision of the clinical indexes that are
computed from the TTE sequences. The source code of the proposed method is
available at:
https://github.com/MahdiTabassian/Deep-Clutter-Filtering/tree/main.
- Abstract（参考訳）: 本研究では,経胸壁心エコー図(TTE)画像列から残響アーティファクトをフィルタリングするディープ畳み込み自動エンコーダネットワークを提案する。
これらのアーティファクトの時空間特性から, 濾過網は3次元畳み込み層を用いて構築され, 心循環の粗いパターンを抑えることができた。
ネットワークは次のように設計されている。
一 主に乱雑な領域に焦点をあてる注意機構
二 画像フレームの微細な構造を維持するための残留学習
深層ネットワークをトレーニングするために, 多様な人工物パターンをシミュレートし, シミュレーションパターンを6ベンダーの人工物のない超現実的合成TTE配列に重ね合わせ, フィルタリングネットワークの入力を生成する。
アーティファクトフリーのシーケンスは基盤として機能した。
フィルタネットワークの性能評価には, 未知の合成法とin-vivoアーチファクトシーケンスを用いた。
後者のデータセットを用いて得られた満足な結果から,合成シーケンスとシミュレーションアーチファクトパターンを用いて学習した提案ネットワークの良好な一般化性能が確認された。
さらに, 分節ひずみ曲線の計算により, クラッタフィルタ列のさらなる処理への適合性を評価した。
その結果, 粗い部分から計算したひずみ分布とそれに対応する部分との差は, 提案したネットワークを用いて配列をフィルタリングした後, 著しく減少した。
訓練されたディープネットワークは、人工的なTTEシーケンスを1秒で処理し、リアルタイムなクラッタフィルタリングに使用することができる。
さらに、TTE配列から計算される臨床指標の精度を向上させることができる。
提案するメソッドのソースコードは、https://github.com/mahditabassian/deep-clutter-filtering/tree/mainで入手できる。
関連論文リスト
- Rethinking the Up-Sampling Operations in CNN-based Generative Network
for Generalizable Deepfake Detection [86.97062579515833]
我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。
tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。
この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
論文 参考訳（メタデータ） (2023-12-16T14:27:06Z) - Generalization of pixel-wise phase estimation by CNN and improvement of
phase-unwrapping by MRF optimization for one-shot 3D scan [0.621405559652172]
シングルパターンプロジェクション(ワンショット3Dスキャン)を用いたアクティブステレオ技術は、産業や医療目的などから広く注目を集めている。
ワンショット3Dスキャンの深刻な欠点はスパース再構成である。
パターンが正規かつ周期的であれば,任意のタイプの静的パターンに適用可能なワンショットスキャンのための画素ワイズ手法を提案する。
論文 参考訳（メタデータ） (2023-09-26T10:45:04Z) - FreeSeed: Frequency-band-aware and Self-guided Network for Sparse-view
CT Reconstruction [34.91517935951518]
スパース・ビュー・コンピュート・トモグラフィー(CT)は, 患者への放射線曝露を迅速化し, 患者への放射線照射を緩和するための, 有望な方法である。
近年,深層学習に基づく画像後処理手法が有望な成果を上げている。
本稿では,FREquency-band-awarEとSelf-guidedを併用したFREquency-band-awarEとSelf-guidedネットワークを提案する。
論文 参考訳（メタデータ） (2023-07-12T03:39:54Z) - Improvement of Color Image Analysis Using a New Hybrid Face Recognition
Algorithm based on Discrete Wavelets and Chebyshev Polynomials [0.0]
この研究は、第2種と第3種のチェビシェフ進化から作られた、または派生した離散ウェーブレットの使用に特有である。
カラー画像の解析には、フィルタ離散第3チェビシェフウェーブレット変換(FDTCWT)を用いる。
最良の結果は正確さと最小限の時間で達成された。
論文 参考訳（メタデータ） (2023-03-23T10:20:19Z) - TSI-GAN: Unsupervised Time Series Anomaly Detection using Convolutional
Cycle-Consistent Generative Adversarial Networks [2.4469484645516837]
異常検出は、ネットワーク侵入検知、自律運転、診断、クレジットカード詐欺などに広く用いられている。
本稿では、複雑な時間パターンを自動的に学習できる時系列の教師なし異常検出モデルであるTSI-GANを提案する。
提案手法は,250個の高度・厳密なデータセットを用いてTSI-GANを評価し,最先端の8つのベースライン手法と比較した。
論文 参考訳（メタデータ） (2023-03-22T23:24:47Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Batch Normalization Tells You Which Filter is Important [49.903610684578716]
我々は,事前学習したCNNのBNパラメータに基づいて,各フィルタの重要性を評価することによって,簡易かつ効果的なフィルタ刈取法を提案する。
CIFAR-10とImageNetの実験結果から,提案手法が優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2021-12-02T12:04:59Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z) - Unsharp Mask Guided Filtering [53.14430987860308]
本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。
アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。
我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
論文 参考訳（メタデータ） (2021-06-02T19:15:34Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z)
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。