Fugu-MT 論文翻訳(概要): WAVE-UNET: Wavelength based Image Reconstruction method using attention UNET for OCT images

論文の概要: WAVE-UNET: Wavelength based Image Reconstruction method using attention UNET for OCT images

arxiv url: http://arxiv.org/abs/2410.04123v1
Date: Sat, 5 Oct 2024 11:16:10 GMT
ステータス: 処理完了
システム内更新日: 2024-11-02 14:01:04.085866
Title: WAVE-UNET: Wavelength based Image Reconstruction method using attention UNET for OCT images
Title（参考訳）: WAVE-UNET:OCT画像に対する注意UNETを用いた波長ベース画像再構成手法
Authors: Maryam Viqar, Erdem Sahin, Violeta Madjarova, Elena Stoykova, Keehoon Hong,
Abstract要約: 本稿では, ラムダ空間から直接, 高品質なOCT画像を再構成し, 複雑さを軽減するための体系的設計手法WAVE-UNETを提案する。このフレームワークは、IDFT処理されたラムダ空間フリンジを入力として、アテンションゲーティングと残差接続を持つ修正UNETを使用している。この方法は、時間複雑度を著しく低減した良質なBスキャンを生成することによって、従来のOCTシステムより一貫して優れる。
参考スコア（独自算出の注目度）: 1.0835264351334324
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we propose to leverage a deep-learning (DL) based reconstruction framework for high quality Swept-Source Optical Coherence Tomography (SS-OCT) images, by incorporating wavelength ({\lambda}) space interferometric fringes. Generally, the SS-OCT captured fringe is linear in wavelength space and if Inverse Discrete Fourier Transform (IDFT) is applied to extract depth-resolved spectral information, the resultant images are blurred due to the broadened Point Spread Function (PSF). Thus, the recorded wavelength space fringe is to be scaled to uniform grid in wavenumber (k) space using k-linearization and calibration involving interpolations which may result in loss of information along with increased system complexity. Another challenge in OCT is the speckle noise, inherent in the low coherence interferometry-based systems. Hence, we propose a systematic design methodology WAVE-UNET to reconstruct the high-quality OCT images directly from the {\lambda}-space to reduce the complexity. The novel design paradigm surpasses the linearization procedures and uses DL to enhance the realism and quality of raw {\lambda}-space scans. This framework uses modified UNET having attention gating and residual connections, with IDFT processed {\lambda}-space fringes as the input. The method consistently outperforms the traditional OCT system by generating good-quality B-scans with highly reduced time-complexity.
Abstract（参考訳）: 本研究では,高画質なSwept-Source Optical Coherence Tomography(SS-OCT)画像に対して,波長({\lambda})空間干渉縞を取り入れたディープラーニング(DL)ベースの再構成フレームワークを提案する。一般的に、SS-OCTキャプチャされたフリンジは波長空間において線形であり、逆離散フーリエ変換(IDFT)を適用して深度分解されたスペクトル情報を抽出すると、拡張されたポイントスプレッド機能(PSF)により結果の画像がぼやけてしまう。したがって、記録された波長空間 fringe は、k-線形化と補間を含む校正により、システムの複雑さの増加とともに情報の損失をもたらす可能性がある波数 (k) 空間の均一格子にスケールされる。 OCTのもう一つの課題は、低コヒーレンス干渉法に基づくシステムに固有のスペックルノイズである。そこで我々は, WAVE-UNET を用いた設計手法を提案し, 高品質な OCT 画像を {\lambda} 空間から直接再構成し, 複雑さを低減した。新規の設計パラダイムは線形化手順を超越し、DLを用いて生の {\lambda}-スペーススキャンのリアリズムと品質を高める。このフレームワークは、IDFT処理された {\lambda}-スペースフリンジを入力として、アテンションゲーティングと残差接続を持つ修正UNETを使用している。この方法は、時間複雑度を著しく低減した良質なBスキャンを生成することによって、従来のOCTシステムより一貫して優れる。

関連論文リスト

UnWave-Net: Unrolled Wavelet Network for Compton Tomography Image Reconstruction [0.0]
Compton scatter tomography (CST) は従来のCTの代替として興味深いものである。ディープ・アンローリング・ネットワークはCT画像再構成の可能性を実証している。 UnWave-Netは、新しいウェーブレットベースの再構成ネットワークである。
論文参考訳（メタデータ） (2024-06-05T16:10:29Z)
Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
論文参考訳（メタデータ） (2024-02-28T09:27:41Z)
PRISTA-Net: Deep Iterative Shrinkage Thresholding Network for Coded Diffraction Patterns Phase Retrieval [6.982256124089]
位相検索は、計算画像および画像処理における非線型逆問題である。我々は,1次反復しきい値しきい値アルゴリズム(ISTA)に基づく深層展開ネットワークであるPRISTA-Netを開発した。非線形変換,しきい値,ステップサイズなど,提案するPRISTA-Netフレームワークのパラメータはすべて,設定されるのではなく,エンドツーエンドで学習される。
論文参考訳（メタデータ） (2023-09-08T07:37:15Z)
Spatial-Frequency U-Net for Denoising Diffusion Probabilistic Models [89.76587063609806]
画素空間の代わりにウェーブレット空間における拡散確率モデル(DDPM)を視覚合成のために検討した。ウェーブレット信号を明示的にモデル化することで、我々のモデルは複数のデータセット上でより高品質な画像を生成することができる。
論文参考訳（メタデータ） (2023-07-27T06:53:16Z)
Residual Degradation Learning Unfolding Framework with Mixing Priors across Spectral and Spatial for Compressive Spectral Imaging [29.135848304404533]
符号化開口スナップショット分光画像(CASSI)が提案されている。 CASSIシステムの中核的な問題は、信頼性と微妙な基礎となる3次元スペクトル立方体を2次元測定から回収することである。本稿では,センサマトリックスと劣化過程のギャップを埋めるResidual Degradation Learning Unfolding Framework (RDLUF)を提案する。
論文参考訳（メタデータ） (2022-11-13T12:31:49Z)
FreqNet: A Frequency-domain Image Super-Resolution Network with Dicrete Cosine Transform [16.439669339293747]
単一画像超解像(SISR)は低分解能(LR)入力から高分解能(HR)出力を得ることを目的とした不適切な問題である。高ピーク信号-雑音比(PSNR)の結果にもかかわらず、モデルが望まれる高周波の詳細を正しく付加するかどうかを判断することは困難である。本稿では、周波数領域の観点から直感的なパイプラインであるFreqNetを提案し、この問題を解決する。
論文参考訳（メタデータ） (2021-11-21T11:49:12Z)
Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文参考訳（メタデータ） (2021-03-25T07:10:46Z)
Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
論文参考訳（メタデータ） (2021-03-01T19:19:38Z)
Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文参考訳（メタデータ） (2020-06-18T06:32:11Z)
Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。