論文の概要: FD-Vision Mamba for Endoscopic Exposure Correction
- arxiv url: http://arxiv.org/abs/2402.06378v2
- Date: Wed, 14 Feb 2024 16:48:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 18:19:12.479173
- Title: FD-Vision Mamba for Endoscopic Exposure Correction
- Title(参考訳): 内視鏡的露出補正のためのFD-Vision Mamba
- Authors: Zhuoran Zheng and Jun Zhang
- Abstract要約: 我々は、高品質な画像露光補正を実現する周波数領域ベースネットワークFDVM(FDVM-Net)を設計する。
状態空間シーケンスモデル(SSM)にヒントを得て,畳み込み層の局所的特徴抽出機能を統合するC-SSMブロックを開発した。
劣化した内視鏡像をFDVM-Netで再構成し、高品質なクリア画像を得る。
- 参考スコア(独自算出の注目度): 7.2753996909522956
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In endoscopic imaging, the recorded images are prone to exposure
abnormalities, so maintaining high-quality images is important to assist
healthcare professionals in performing decision-making. To overcome this issue,
We design a frequency-domain based network, called FD-Vision Mamba (FDVM-Net),
which achieves high-quality image exposure correction by reconstructing the
frequency domain of endoscopic images. Specifically, inspired by the State
Space Sequence Models (SSMs), we develop a C-SSM block that integrates the
local feature extraction ability of the convolutional layer with the ability of
the SSM to capture long-range dependencies. A two-path network is built using
C-SSM as the basic function cell, and these two paths deal with the phase and
amplitude information of the image, respectively. Finally, a degraded
endoscopic image is reconstructed by FDVM-Net to obtain a high-quality clear
image. Extensive experimental results demonstrate that our method achieves
state-of-the-art results in terms of speed and accuracy, and it is noteworthy
that our method can enhance endoscopic images of arbitrary resolution. The URL
of the code is \url{https://github.com/zzr-idam/FDVM-Net}.
- Abstract(参考訳): 内視鏡的画像撮影では, 画像が露出異常を生じやすいため, 医療従事者が意思決定を行うのを助けるためには, 高品質な画像の維持が重要である。
この問題を解決するために、我々はFDVM-Netと呼ばれる周波数領域ベースのネットワークを設計し、内視鏡画像の周波数領域を再構成することで高品質な画像露出補正を実現する。
具体的には、ステートスペースシーケンスモデル(SSM)にヒントを得て、畳み込み層の局所的特徴抽出能力とSSMによる長距離依存関係のキャプチャ機能を統合するC-SSMブロックを開発する。
基本機能セルとしてC-SSMを用いて2経路ネットワークを構築し、これら2経路はそれぞれ画像の位相情報と振幅情報を扱う。
最後に、FDVM-Netにより劣化した内視鏡像を再構成し、高品質なクリア画像を得る。
広範にわたる実験結果から,本手法は速度と精度で最先端の結果を達成し,任意の解像度の内視鏡像を拡張できることが示唆された。
コードのURLは \url{https://github.com/zzr-idam/FDVM-Net} である。
関連論文リスト
- Optimization of Array Encoding for Ultrasound Imaging [2.5749138817029835]
我々は機械学習(ML)を用いて、高品質なBモード画像を生成する、時間遅延とアポッド化重みによってパラメータ化されたスキャンシーケンスを構築する。
これらの結果は,ワイヤターゲットと組織模倣ファントムで実験的に実証された。
論文 参考訳(メタデータ) (2024-03-01T05:19:59Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - 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) - Attention Hybrid Variational Net for Accelerated MRI Reconstruction [7.046523233290946]
磁気共鳴画像(MRI)の高速化のための圧縮センシング(CS)対応データ再構成の適用は依然として難しい問題である。
これは、加速マスクからk空間で失った情報が、完全にサンプリングされた画像の質に似た画像の再構成を困難にしているためである。
我々は,k空間と画像領域の両方で学習を行う,深層学習に基づく注目ハイブリッド変分ネットワークを提案する。
論文 参考訳(メタデータ) (2023-06-21T16:19:07Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳(メタデータ) (2023-05-15T18:19:29Z) - Flow-based Visual Quality Enhancer for Super-resolution Magnetic
Resonance Spectroscopic Imaging [13.408365072149795]
超高解像度MRSIの視覚的品質を向上させるためのフローベースエンハンサーネットワークを提案する。
我々のエンハンサーネットワークは、追加画像モダリティ(MRI)から解剖情報を取り込み、学習可能なベース分布を使用する。
また,視覚的品質調整や不確実性推定も可能である。
論文 参考訳(メタデータ) (2022-07-20T20:19:44Z) - HDNet: High-resolution Dual-domain Learning for Spectral Compressive
Imaging [138.04956118993934]
HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。
一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。
一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
論文 参考訳(メタデータ) (2022-03-04T06:37:45Z) - Deep Learning Approach for Hyperspectral Image Demosaicking, Spectral
Correction and High-resolution RGB Reconstruction [3.0478210530038443]
教師付き学習手法を用いたハイパースペクトル画像のスナップショット化のための深層学習に基づく画像復号アルゴリズムを提案する。
医用画像が公開されていないため,既存の医用画像データセットからのスナップショット画像をシミュレートする合成画像生成手法が提案されている。
得られたデシック画像は定量的かつ質的に評価され、画像品質の明確な改善が示される。
論文 参考訳(メタデータ) (2021-09-03T09:50:03Z) - STRESS: Super-Resolution for Dynamic Fetal MRI using Self-Supervised
Learning [2.5581619987137048]
我々は,インターリーブスライス獲得を伴う動的胎児MRIのための自己教師付き超解像フレームワークSTRESSを提案する。
提案手法は,低解像度画像と高解像度画像のペアを生成するために,元の取得データに基づいて,高解像度軸に沿ったインターリーブスライス取得をシミュレートする。
シミュレーションおよび子宮内データによる評価の結果,提案手法は他の自己教師付き超解像法よりも優れていた。
論文 参考訳(メタデータ) (2021-06-23T13:52:11Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳(メタデータ) (2021-04-05T13:05:22Z) - Multi-institutional Collaborations for Improving Deep Learning-based
Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。
これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。
我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
論文 参考訳(メタデータ) (2021-03-03T03:04:40Z)
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。