論文の概要: Sparse Reconstruction of Optical Doppler Tomography Based on State Space Model
- arxiv url: http://arxiv.org/abs/2404.17484v1
- Date: Fri, 26 Apr 2024 15:37:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 12:45:10.470884
- Title: Sparse Reconstruction of Optical Doppler Tomography Based on State Space Model
- Title（参考訳）: 状態空間モデルに基づくオプティカルドプラトモグラフィーのスパース再構成
- Authors: Zhenghong Li, Jiaxiang Ren, Wensheng Cheng, Congwu Du, Yingtian Pan, Haibin Ling,
- Abstract要約: そこで本研究では,4つのステップからなる新しいスパース再構築フレームワークを提案する。
実世界の動物データを用いた実験では,再現精度が明らかに向上した。
- 参考スコア（独自算出の注目度）: 42.04612840310043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical Doppler Tomography (ODT) is a blood flow imaging technique popularly used in bioengineering applications. The fundamental unit of ODT is the 1D frequency response along the A-line (depth), named raw A-scan. A 2D ODT image (B-scan) is obtained by first sensing raw A-scans along the B-line (width), and then constructing the B-scan from these raw A-scans via magnitude-phase analysis and post-processing. To obtain a high-resolution B-scan with a precise flow map, densely sampled A-scans are required in current methods, causing both computational and storage burdens. To address this issue, in this paper we propose a novel sparse reconstruction framework with four main sequential steps: 1) early magnitude-phase fusion that encourages rich interaction of the complementary information in magnitude and phase, 2) State Space Model (SSM)-based representation learning, inspired by recent successes in Mamba and VMamba, to naturally capture both the intra-A-scan sequential information and between-A-scan interactions, 3) an Inception-based Feedforward Network module (IncFFN) to further boost the SSM-module, and 4) a B-line Pixel Shuffle (BPS) layer to effectively reconstruct the final results. In the experiments on real-world animal data, our method shows clear effectiveness in reconstruction accuracy. As the first application of SSM for image reconstruction tasks, we expect our work to inspire related explorations in not only efficient ODT imaging techniques but also generic image enhancement.
- Abstract（参考訳）: 光ドップラートモグラフィー (ODT) は、バイオエンジニアリングの分野で広く用いられている血流イメージング技術である。
ODTの基本単位はA線に沿った1次元周波数応答であり、A線は生のA線である。
2D ODT画像(Bスキャン)は、まずB線(幅)に沿って生のAスキャンを検知し、次いで、等級解析および後処理によりこれらの生のAスキャンからBスキャンを構築する。
高精度なフローマップを有する高解像度のBスキャンを得るには、現在の方法では高密度サンプルAスキャンが必要であり、計算と記憶の双方の負担が生じる。
この問題に対処するために,本論文では,4つの主要なステップを持つ新しいスパース再構築フレームワークを提案する。
1) 相・相の相補的情報のリッチな相互作用を促進する初期等級核融合
2) 状態空間モデル(SSM)に基づく表現学習は,近年のMambaとVMambaの成功に触発され,Aスキャン内シーケンシャル情報とAスキャン間相互作用の両方を自然に捉えている。
3) インセプションベースのFeedforward Networkモジュール(IncFFN)により、SSMモジュールをさらに強化し、
4)最終結果を効果的に再構築するBラインのPixel Shuffle(BPS)層。
実世界の動物データを用いた実験では,再現精度が明らかに向上した。
画像再構成タスクにおけるSSMの第一の応用として,ODTイメージング技術だけでなく,汎用的な画像強調にも関連した探索のインスピレーションが期待できる。
関連論文リスト
- Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Super-Resolution on Rotationally Scanned Photoacoustic Microscopy Images
Incorporating Scanning Prior [12.947842858489516]
光音響顕微鏡(PAM)画像は、光コントラストと音響分解能の利点を組み合わせた脳研究で広く利用されている。
走査速度と画像解像度の間にはトレードオフがあり、従来の走査と比較すると、回転走査は走査機構を最適化することで高速なPAMイメージングの好機となる。
本研究では,回転走査型PAMイメージングのための新しい高性能超解像フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-12T12:41:35Z) - 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) - Passive superresolution imaging of incoherent objects [63.942632088208505]
手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。
ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
論文 参考訳（メタデータ） (2023-04-19T15:53:09Z) - Learned Interferometric Imaging for the SPIDER Instrument [5.65707814923407]
本稿では,SPIDER計測装置による画像再構成のための2つのデータ駆動手法を提案する。
ディープラーニングは、トレーニングデータから事前情報を学習し、再構築品質を高め、計算時間を著しく短縮するために使用される。
これらの手法は、天文画像などのトレーニングデータが不足している領域にも適用可能であることを示す。
論文 参考訳（メタデータ） (2023-01-24T19:00:03Z) - A Model-data-driven Network Embedding Multidimensional Features for
Tomographic SAR Imaging [5.489791364472879]
多次元特徴量に基づくトモSARイメージングを実現するためのモデルデータ駆動型ネットワークを提案する。
画像シーンの多次元的特徴を効果的に向上するために、2つの2次元処理モジュール(畳み込みエンコーダ-デコーダ構造)を追加します。
従来のCS-based FISTA法とDL-based gamma-Net法と比較して,提案手法は良好な画像精度を有しつつ,完全性を向上させる。
論文 参考訳（メタデータ） (2022-11-28T02:01:43Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z) - Homography augumented momentum constrastive learning for SAR image
retrieval [3.9743795764085545]
本稿では, ホログラフィ変換を用いた画像検索手法を提案する。
また,ラベル付け手順を必要としないコントラスト学習によって誘導されるDNNのトレーニング手法を提案する。
論文 参考訳（メタデータ） (2021-09-21T17:27:07Z) - Fast ultrasonic imaging using end-to-end deep learning [1.0266286487433585]
ディープニューラルネットワーク(DNN)は、データ前処理とイメージ後処理のステップを別々に使用する。
エンド・ツー・エンドのトレーニングを実現するために,3つのステップをすべて統合した新しいディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-09-04T13:53:46Z)
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。