論文の概要: Deep Spatiotemporal Clutter Filtering of Transthoracic Echocardiographic Images: Leveraging Contextual Attention and Residual Learning

• arxiv url: http://arxiv.org/abs/2401.13147v2
• Date: Wed, 12 Feb 2025 18:15:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-13 13:45:33.685118
• Title: Deep Spatiotemporal Clutter Filtering of Transthoracic Echocardiographic Images: Leveraging Contextual Attention and Residual Learning
• Title（参考訳）: 経胸壁心エコー画像の深部時空間クラッタフィルタリング : 文脈注意と残留学習の活用
• Authors: Mahdi Tabassian, Somayeh Akbari, Sandro Queirós, Jan D'hooge,
• Abstract要約: 本研究では,経胸壁エコー(TTE)画像列からクラッタをフィルタリングするディープ畳み込みオートエンコーダネットワークを提案する。 トレーニングされたネットワークは、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を可能にし、臨床関連指標の精度を向上する可能性がある。
• 参考スコア（独自算出の注目度）: 0.28238789039503054
• License:
• Abstract: This study presents a deep convolutional autoencoder network for filtering reverberation clutter from transthoracic echocardiographic (TTE) image sequences. Given the spatiotemporal nature of this type of clutter, the filtering network employs 3D convolutional layers to suppress it throughout the cardiac cycle. The design of the network incorporates two key features that contribute to the effectiveness of the filter: 1) an attention mechanism for focusing on cluttered regions and leveraging contextual information, and 2) residual learning for preserving fine image structures. To train the network, a diverse set of artifact patterns was simulated and superimposed onto ultra-realistic synthetic TTE sequences from six ultrasound vendors, generating input for the filtering network. The artifact-free sequences served as ground-truth. Performance of the filtering network was evaluated using unseen synthetic and in vivo artifactual sequences. Results from the in vivo dataset confirmed the network's strong generalization capabilities, despite being trained solely on synthetic data and simulated artifacts. The suitability of the filtered sequences for downstream processing was assessed by computing segmental strain curves. A significant reduction in the discrepancy between strain profiles computed from cluttered and clutter-free segments was observed after filtering the cluttered sequences with the proposed network. The trained network processes a TTE sequence in a fraction of a second, enabling real-time clutter filtering and potentially improving the precision of clinically relevant indices derived from TTE sequences. The source code of the proposed method and example video files of the filtering results are available at: \href{https://github.com/MahdiTabassian/Deep-Clutter-Filtering/tree/main}{https://github.com/MahdiTabassian/Deep-Clutter-Filtering/tree/main}.
• Abstract（参考訳）: 本研究では,経胸壁心エコー法(TTE)画像列から残響クラッタをフィルタリングするディープ畳み込みオートエンコーダネットワークを提案する。 この種のクラッタの時空間特性を考えると、フィルタリングネットワークは心循環を通してそれを抑制するために3D畳み込み層を用いる。 ネットワークの設計には,フィルタの有効性に寄与する2つの重要な特徴が組み込まれている。 1)散らばった地域に集中し、文脈情報を活用するための注意機構 2)微細な画像構造を保存するための残留学習。 ネットワークをトレーニングするために、6つの超音波ベンダーの超現実的な合成TTEシーケンスに、多様なアーティファクトパターンをシミュレートし、重ね合わせ、フィルタリングネットワークの入力を生成した。 アーティファクトフリーのシーケンスは、グラウンドトルースとして機能した。 フィルターネットワークの性能を合成および生体内人工配列を用いて評価した。 in vivoデータセットの結果は、合成データとシミュレーションされたアーティファクトにのみ訓練されているにもかかわらず、ネットワークの強力な一般化能力を確認した。 下流処理におけるフィルタシーケンスの適合性は, セグメントひずみ曲線を用いて評価した。 提案したネットワークを用いて乱れ配列をフィルタリングした後, 乱れ領域から計算したひずみ分布と乱れ領域との差が顕著に減少した。 トレーニングされたネットワークは、TTEシークエンスを1秒で処理し、リアルタイムなクラッタフィルタリングを可能にし、TTEシークエンスから派生した臨床関連指標の精度を向上させる可能性がある。 提案手法のソースコードとフィルタリング結果の例は以下の通りである。 \href{https://github.com/MahdiTabassian/Deep-Clutter-Filtering/tree/main}{https://github.com/MahdiTabasian/Deep-Clutter-Filtering/tree/main。

関連論文リスト

• FilterNet: Harnessing Frequency Filters for Time Series Forecasting [34.83702192033196]
  FilterNetは、時系列信号の特定の成分を選択的に通過または減衰させることにより、重要な情報的時間パターンを抽出するために、我々の提案した学習可能な周波数フィルタ上に構築されている。 2つのフィルタを備えることで、FilterNetは、時系列文学で広く採用されている線形およびアテンションマッピングを概ねサロゲートすることができる。
  論文  参考訳（メタデータ） (2024-11-03T16:20:41Z)
• IterativePFN: True Iterative Point Cloud Filtering [18.51768749680731]
  基本的な3Dビジョンタスクは、ポイントクラウドフィルタリング(point cloud filtering)またはデノイング(denoising)として知られるノイズの除去である。 本報告では,本フィルタを内部でモデル化する複数のイテレーションで構成されたIterativePFN(Iterative Cloud Filtering Network)を提案する。 我々の手法は最先端の手法よりも優れた性能が得られる。
  論文  参考訳（メタデータ） (2023-04-04T04:47:44Z)
• 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)
• Assessing Streamline Plausibility Through Randomized Iterative Spherical-Deconvolution Informed Tractogram Filtering [0.0]
  トラクトグラフィーは脳接続研究において欠かせない部分となっている。 最先端のトラクトグラフィー法によって生成されたトラクトグラムの流動性は解剖学的には不可能である。 本研究では, トラクトグラムのテクスト球面インフォームドフィルタ (SIFT) について検討する。 本稿では,各ストリームに対して複数の評価値を取得するために,無作為に選択されたトラクトグラムサブセットにSIFTを適用することを提案する。
  論文  参考訳（メタデータ） (2022-05-10T12:36:30Z)
• 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)
• SCOP: Scientific Control for Reliable Neural Network Pruning [127.20073865874636]
  本稿では,科学的制御を設定することにより,信頼性の高いニューラルネットワークプルーニングアルゴリズムを提案する。 冗長フィルタは、異なる特徴の逆数過程において発見できる。 提案手法では,ResNet-101のパラメータ57.8%,FLOP60.2%を削減できる。
  論文  参考訳（メタデータ） (2020-10-21T03:02:01Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)

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。