論文の概要: Sparse Reconstruction of Optical Doppler Tomography with Alternative State Space Model and Attention

• arxiv url: http://arxiv.org/abs/2404.17484v2
• Date: Sun, 11 May 2025 18:05:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.572144
• Title: Sparse Reconstruction of Optical Doppler Tomography with Alternative State Space Model and Attention
• Title（参考訳）: 代替状態空間モデルと留意点を用いたオプティカルドプラト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: 2次元光コヒーレンスドプラトモグラフィー(ODT)画像は、B線に沿って生のAスキャンのドップラー位相サブトラクションを介して断面流像を再構成することにより形成する。 高忠実度Bスキャンを得るには、Aスキャンを高密度にサンプリングする必要があるため、スキャン時間が長くなり、保存要求が増大する。 本稿では,Aスキャンを効果的に削減する代替状態空間アテンションネットワーク(ASSAN)を用いた,新しいスパースODT再構成フレームワークを提案する。
• 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 coherence Doppler tomography (ODT) is an emerging blood flow imaging technique. The fundamental unit of ODT is the 1D depth-resolved trace named raw A-scans (or A-line). A 2D ODT image (B-scan) is formed by reconstructing a cross-sectional flow image via Doppler phase-subtraction of raw A-scans along B-line. To obtain a high-fidelity B-scan, densely sampled A-scans are required currently, leading to prolonged scanning time and increased storage demands. Addressing this issue, we propose a novel sparse ODT reconstruction framework with an Alternative State Space Attention Network (ASSAN) that effectively reduces raw A-scans needed. Inspired by the distinct distributions of information along A-line and B-line, ASSAN applies 1D State Space Model (SSM) to each A-line to learn the intra-A-scan representation, while using 1D gated self-attention along B-line to capture the inter-A-scan features. In addition, an effective feedforward network based on sequential 1D convolutions along different axes is employed to enhance the local feature. In validation experiments on real animal data, ASSAN shows clear effectiveness in the reconstruction in comparison with state-of-the-art reconstruction methods.
• Abstract（参考訳）: 光コヒーレンスドプラ断層法(ODT)は新たな血流イメージング技術である。 ODTの基本単位は、生のAスキャン (A-line) と呼ばれる1次元の深さ分解された痕跡である。 2次元ODT画像(Bスキャン)は、B線に沿って生のAスキャンのドップラー位相サブトラクションを介して断面流像を再構成して形成する。 高忠実度Bスキャンを得るには、Aスキャンを高密度にサンプリングする必要があるため、スキャン時間が長くなり、保存要求が増大する。 本稿では,Aスキャンを効果的に削減する代替状態空間アテンションネットワーク(ASSAN)を用いた,新しい疎いODT再構成フレームワークを提案する。 A線とB線に沿った情報の異なる分布にインスパイアされ、ASSANは各A線に1D状態空間モデル(SSM)を適用してA線内の表現を学習し、B線に沿って1Dゲートの自己アテンションを用いてA線間の特徴を捉える。 さらに、異なる軸に沿った逐次1次元畳み込みに基づく効率的なフィードフォワードネットワークを用いて、局所的特徴を高める。 実際の動物データに対する検証実験において, ASSANは, 最先端の再建法と比較して, 再建における明らかな有効性を示した。

関連論文リスト

• The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
  本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。 画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
  論文  参考訳（メタデータ） (2025-04-10T16:26:47Z)
• 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。