論文の概要: I$^3$Net: Inter-Intra-slice Interpolation Network for Medical Slice Synthesis

• arxiv url: http://arxiv.org/abs/2405.02857v1
• Date: Sun, 5 May 2024 09:01:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 18:00:36.458791
• Title: I$^3$Net: Inter-Intra-slice Interpolation Network for Medical Slice Synthesis
• Title（参考訳）: I$^3$Net:医療スライス合成のためのイントラスライス間補間ネットワーク
• Authors: Haofei Song, Xintian Mao, Jing Yu, Qingli Li, Yan Wang,
• Abstract要約: 医療画像は取得時間と走査装置によって制限される。CTおよびMRボリュームは、より厚いスライスで再構成され、高平面解像度と低平面解像度で異方性である。 我々は、データの性質から、軸方向からスライス的に行うと、他の視点から超解像を行うよりも大きな利益が得られるという興味深い現象を明らかにした。 Intra-Slice Interpolation Network (I$3$Net) を提案する。
• 参考スコア（独自算出の注目度）: 14.157316065355289
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical imaging is limited by acquisition time and scanning equipment. CT and MR volumes, reconstructed with thicker slices, are anisotropic with high in-plane resolution and low through-plane resolution. We reveal an intriguing phenomenon that due to the mentioned nature of data, performing slice-wise interpolation from the axial view can yield greater benefits than performing super-resolution from other views. Based on this observation, we propose an Inter-Intra-slice Interpolation Network (I$^3$Net), which fully explores information from high in-plane resolution and compensates for low through-plane resolution. The through-plane branch supplements the limited information contained in low through-plane resolution from high in-plane resolution and enables continual and diverse feature learning. In-plane branch transforms features to the frequency domain and enforces an equal learning opportunity for all frequency bands in a global context learning paradigm. We further propose a cross-view block to take advantage of the information from all three views online. Extensive experiments on two public datasets demonstrate the effectiveness of I$^3$Net, and noticeably outperforms state-of-the-art super-resolution, video frame interpolation and slice interpolation methods by a large margin. We achieve 43.90dB in PSNR, with at least 1.14dB improvement under the upscale factor of $\times$2 on MSD dataset with faster inference. Code is available at https://github.com/DeepMed-Lab-ECNU/Medical-Image-Reconstruction.
• Abstract（参考訳）: 医用画像は取得時間と走査装置によって制限される。 CTおよびMRボリュームは、より厚いスライスで再構成され、高平面解像度と低平面解像度で異方性である。 我々は、データの性質から、軸方向からのスライスワイス補間が他の視点からの超解像よりも大きな利益をもたらすという興味深い現象を明らかにした。 この観測に基づいて,高平面解像度からの情報を完全に探索し,低平面解像度を補償するインタートラスライス補間ネットワーク(I$^3$Net)を提案する。 スループレーンブランチは、高平面解像度から低平面解像度に含まれる限られた情報を補足し、連続的かつ多様な特徴学習を可能にする。 面内分岐は、機能を周波数領域に変換し、グローバルな文脈学習パラダイムにおいて、すべての周波数帯域に対して等しく学習する機会を強制する。 さらに、オンラインの3つのビューからの情報を活用するために、クロスビューブロックを提案する。 2つの公開データセットに対する大規模な実験は、I$^3$Netの有効性を示し、最先端の超解像、ビデオフレーム補間およびスライス補間法を大きなマージンで明らかに上回っている。 我々はPSNRで43.90dBを達成し、より高速な推論でMSDデータセット上で$\times$2のスケールアップ係数で少なくとも1.14dBの改善を実現した。 コードはhttps://github.com/DeepMed-Lab-ECNU/Medical-Image-Reconstructionで公開されている。

関連論文リスト

• TransUNext: towards a more advanced U-shaped framework for automatic vessel segmentation in the fundus image [19.16680702780529]
  本稿では,ハイブリッドトランスフォーマーとCNN: TransUNextのための,より高度なU字型アーキテクチャを提案する。 Global Multi-Scale Fusion (GMSF)モジュールはさらに、スキップ接続のアップグレード、高レベルセマンティクスと低レベル詳細情報の融合、高レベルセマンティクスと低レベルセマンティクスの相違を取り除くために導入された。
  論文  参考訳（メタデータ） (2024-11-05T01:44:22Z)
• PVAFN: Point-Voxel Attention Fusion Network with Multi-Pooling Enhancing for 3D Object Detection [59.355022416218624]
  点とボクセルの表現の統合は、LiDARベースの3Dオブジェクト検出においてより一般的になりつつある。 PVAFN(Point-Voxel Attention Fusion Network)と呼ばれる新しい2段3次元物体検出器を提案する。 PVAFNはマルチプール戦略を使用して、マルチスケールとリージョン固有の情報を効果的に統合する。
  論文  参考訳（メタデータ） (2024-08-26T19:43:01Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
  画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。 振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。 第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
  論文  参考訳（メタデータ） (2023-08-14T08:23:58Z)
• LIT-Former: Linking In-plane and Through-plane Transformers for Simultaneous CT Image Denoising and Deblurring [22.605286969419485]
  本稿では3次元低線量CT像について検討する。 この文脈で様々な深層学習法が開発されたが、一般的には2次元画像に焦点をあて、低線量化と分解能の劣化によりデノナイジングを行う。 従来,高画質3次元CT画像の低放射線化と高速撮像速度の確保が重要であった,平面内脱色と平面内脱色を同時に行う作業はほとんど行われていなかった。 ここでは、平面内と平面内を同時に分割するトランスと、平面内と平面内を同時に接続することを提案する。
  論文  参考訳（メタデータ） (2023-02-21T12:43:42Z)
• SufrinNet: Toward Sufficient Cross-View Interaction for Stereo Image Enhancement in The Dark [119.01585302856103]
  低照度ステレオ画像強調(LLSIE)は、暗黒環境で撮影された視覚的に不快なステレオ画像の品質を高めるための比較的新しいタスクである。 1)クロスビューの相互作用が不十分なこと,2)ビュー内学習に長距離依存が欠如していること,である。 SufrinNet(SufrinNet)を用いた新しいLLSIEモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-02T04:01:30Z)
• Joint Semi-supervised 3D Super-Resolution and Segmentation with Mixed Adversarial Gaussian Domain Adaptation [13.477290490742224]
  医用画像の高解像度化は、画像の解像度を向上させることを目的としているが、従来は低解像度データセットの特徴に基づいて訓練されている。 本稿では,画像とそのラベルの同時超解像を行う半教師付きマルチタスク生成対向ネットワーク(Gemini-GAN)を提案する。 提案手法は, 成人1,331人, 成人205人のトランスナショナル多民族集団に対して広く評価された。
  論文  参考訳（メタデータ） (2021-07-16T15:42:39Z)
• Volumetric Propagation Network: Stereo-LiDAR Fusion for Long-Range Depth Estimation [81.08111209632501]
  長距離深度推定のための幾何認識型ステレオLiDAR融合ネットワークを提案する。 ステレオ画像の対応を統一した3Dボリューム空間で導くためのキューとして、スパースで正確な点群を活用します。 我々のネットワークは,KITTIおよびVirtual-KITTIデータセット上での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） (2021-03-24T03:24:46Z)
• HRINet: Alternative Supervision Network for High-resolution CT image Interpolation [3.7966959476339035]
  我々は,高分解能CT画像の生成を目的とした,新しいネットワークであるHigh Resolution Interpolation Network (HRINet)を提案する。 本稿では,ACAI と GAN のアイデアを組み合わせて,教師なしと教師なしのトレーニングを適用して,代替監督手法の新たなアイデアを提案する。 実験の結果,2562,5122画像の定量的,定性的に大きな改善が見られた。
  論文  参考訳（メタデータ） (2020-02-11T15:09:42Z)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

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。