論文の概要: 3D Volumetric Super-Resolution in Radiology Using 3D RRDB-GAN
- arxiv url: http://arxiv.org/abs/2402.04171v1
- Date: Tue, 6 Feb 2024 17:26:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 13:54:38.893848
- Title: 3D Volumetric Super-Resolution in Radiology Using 3D RRDB-GAN
- Title（参考訳）: 3次元RRDB-GANを用いた放射線診断における3次元体積超解像
- Authors: Juhyung Ha, Nian Wang, Surendra Maharjan, Xuhong Zhang
- Abstract要約: 本研究では,放射線画像の3次元超解像のための3次元残留残差ブロックGAN(3D RRDB-GAN)を提案する。
3D RRDB-GANの重要な側面は2.5D Dense損失関数の統合である。
- 参考スコア（独自算出の注目度）: 4.8698443014985715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study introduces the 3D Residual-in-Residual Dense Block GAN (3D
RRDB-GAN) for 3D super-resolution for radiology imagery. A key aspect of 3D
RRDB-GAN is the integration of a 2.5D perceptual loss function, which
contributes to improved volumetric image quality and realism. The effectiveness
of our model was evaluated through 4x super-resolution experiments across
diverse datasets, including Mice Brain MRH, OASIS, HCP1200, and MSD-Task-6.
These evaluations, encompassing both quantitative metrics like LPIPS and FID
and qualitative assessments through sample visualizations, demonstrate the
models effectiveness in detailed image analysis. The 3D RRDB-GAN offers a
significant contribution to medical imaging, particularly by enriching the
depth, clarity, and volumetric detail of medical images. Its application shows
promise in enhancing the interpretation and analysis of complex medical imagery
from a comprehensive 3D perspective.
- Abstract（参考訳）: 放射線画像の3次元超解像のための3D Residual-in-Residual Dense Block GAN(3D RRDB-GAN)を提案する。
3D RRDB-GANの重要な側面は、2.5D知覚損失関数の統合である。
モデルの有効性は,マウス脳mrh,oasis,hcp1200,msd-task-6など,多種多様なデータセットを対象とした4倍の超解像実験により評価した。
これらの評価は、LPIPSやFIDのような定量的メトリクスと、サンプル視覚化による質的評価の両方を包含し、詳細な画像解析におけるモデルの有効性を実証する。
3D RRDB-GANは、特に医療画像の深度、明度、容積の詳細を豊かにすることで、医療画像に重要な貢献をしている。
その応用は、包括的3次元視点から複雑な医用画像の解釈と分析を強化することを約束している。
関連論文リスト
- Improving 3D Medical Image Segmentation at Boundary Regions using Local Self-attention and Global Volume Mixing [14.0825980706386]
ボリューム・メディカル・イメージ・セグメンテーションは、与えられた3次元ボリューム・メディカル・イメージをボクセルレベルの精度で正確に分類することを目的とする医用画像解析の基本的な問題である。
本研究では,3次元医用画像セグメンテーションにおける局所的およびグローバルな依存関係を明示的に捉えることを目的とした,階層型エンコーダデコーダベースの新しいフレームワークを提案する。
提案フレームワークは,局所的なボリュームベースの自己アテンションを利用して局所的な依存関係を高解像度でエンコードし,低解像度の特徴表現でグローバルな依存関係をキャプチャする新しいボリュームミキサを導入する。
論文 参考訳（メタデータ） (2024-10-20T11:08:38Z) - 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。
パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-09-28T12:31:07Z) - Diff3Dformer: Leveraging Slice Sequence Diffusion for Enhanced 3D CT Classification with Transformer Networks [5.806035963947936]
拡散型3次元視覚変換器(Diff3Dformer)を提案する。
本手法は, 肺CTの2種類の小さなデータセットに対して, 改良された性能を示す。
論文 参考訳（メタデータ） (2024-06-24T23:23:18Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。
本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。
3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文 参考訳（メタデータ） (2024-03-19T15:57:04Z) - MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。
このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。
我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
論文 参考訳（メタデータ） (2023-12-12T18:21:36Z) - 3D-MIR: A Benchmark and Empirical Study on 3D Medical Image Retrieval in
Radiology [6.851500027718433]
3D画像検索の分野はまだ発展途上であり、確立された評価ベンチマーク、包括的なデータセット、徹底的な研究が欠如している。
本稿では,3次元医用画像検索のための新しいベンチマーク(3D-MIR)を提案する。
このベンチマークを用いて,一般的なマルチモーダル基礎モデルの2次元スライス,3次元ボリューム,マルチモーダル埋め込みをクエリとして利用する,多様な検索戦略を探索する。
論文 参考訳（メタデータ） (2023-11-23T00:57:35Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - 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)
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。