論文の概要: Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations

• arxiv url: http://arxiv.org/abs/2410.19786v1
• Date: Tue, 15 Oct 2024 00:44:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 08:19:34.498746
• Title: Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations
• Title（参考訳）: 入射ニューラル表現を用いたアンダーサンプリング光音響顕微鏡画像の高分解能化
• Authors: Youshen Xiao, Sheng Liao, Xuanyang Tian, Fan Zhang, Xinlong Dong, Yunhui Jiang, Xiyu Chen, Ruixi Sun, Yuyao Zhang, Fei Gao,
• Abstract要約: 光音響顕微鏡(AR-PAM)は皮下血管造影に有用である。 従来のデコンボリューション法では、PSF(Point Spreadvolution)を使用して解像度を改善する。 Inlicit Neural Representation (INR) に基づくアプローチを提案する。 本手法は,空間座標から初期音圧への連続的なマッピングを学習し,離散像の限界を克服する。
• 参考スコア（独自算出の注目度）: 4.672315172406826
• License:
• Abstract: Acoustic-Resolution Photoacoustic Microscopy (AR-PAM) is promising for subcutaneous vascular imaging, but its spatial resolution is constrained by the Point Spread Function (PSF). Traditional deconvolution methods like Richardson-Lucy and model-based deconvolution use the PSF to improve resolution. However, accurately measuring the PSF is difficult, leading to reliance on less accurate blind deconvolution techniques. Additionally, AR-PAM suffers from long scanning times, which can be reduced via down-sampling, but this necessitates effective image recovery from under-sampled data, a task where traditional interpolation methods fall short, particularly at high under-sampling rates. To address these challenges, we propose an approach based on Implicit Neural Representations (INR). This method learns a continuous mapping from spatial coordinates to initial acoustic pressure, overcoming the limitations of discrete imaging and enhancing AR-PAM's resolution. By treating the PSF as a learnable parameter within the INR framework, our technique mitigates inaccuracies associated with PSF estimation. We evaluated our method on simulated vascular data, showing significant improvements in Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) over conventional methods. Qualitative enhancements were also observed in leaf vein and in vivo mouse brain microvasculature images. When applied to a custom AR-PAM system, experiments with pencil lead demonstrated that our method delivers sharper, higher-resolution results, indicating its potential to advance photoacoustic microscopy.
• Abstract（参考訳）: アコースティック・リゾリューション光音響顕微鏡(AR-PAM)は皮下血管造影に有用であるが,空間分解能はポイントスプレッド機能(PSF)によって制限される。 Richardson-Lucyやモデルベースのデコンボリューションのような従来のデコンボリューション手法は、解像度を改善するためにPSFを使用している。 しかし、PSFを正確に測定することは困難であり、精度の低いブラインドデコンボリューション技術に依存している。 さらに、AR-PAMは、ダウンサンプリングによって削減できる長いスキャン時間に悩まされるが、これはアンダーサンプリングされたデータから効果的なイメージリカバリを必要とする。 これらの課題に対処するために,インプリシットニューラル表現(INR)に基づくアプローチを提案する。 本手法は,空間座標から初期音圧への連続的なマッピングを学習し,離散像の限界を克服し,AR-PAMの分解能を向上させる。 InRフレームワーク内での学習可能なパラメータとしてPSFを扱い,本手法はPSF推定に伴う不正確さを軽減する。 従来の方法では, PNR (Peak Signal-to-Noise Ratio) とSSIM (Structure similarity Index) が有意に改善した。 葉脈およびin vivoマウス脳微小血管画像においても定性的増強が観察された。 カスタムAR-PAMシステムに適用すると、鉛筆による実験により、よりシャープで高解像度な結果が得られることが示され、光音響顕微鏡の進歩の可能性が示された。

関連論文リスト

• A Flow-based Truncated Denoising Diffusion Model for Super-resolution Magnetic Resonance Spectroscopic Imaging [34.32290273033808]
  本研究は,超高分解能MRSIのためのフローベースTrncated Denoising Diffusion Modelを導入する。 拡散鎖を切断することで拡散過程を短縮し, 正規化フローベースネットワークを用いて切断工程を推定する。 FTDDMは既存の生成モデルよりも優れており、サンプリングプロセスを9倍以上高速化している。
  論文  参考訳（メタデータ） (2024-10-25T03:42:35Z)
• Unifying Subsampling Pattern Variations for Compressed Sensing MRI with Neural Operators [72.79532467687427]
  圧縮センシングMRI(Compressed Sensing MRI)は、身体の内部解剖像をアンダーサンプルと圧縮された測定値から再構成する。 ディープニューラルネットワークは、高度にアンサンプされた測定結果から高品質なイメージを再構築する大きな可能性を示している。 CS-MRIにおけるサブサンプリングパターンや画像解像度に頑健な統一モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
  超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。 我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。 Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
  論文  参考訳（メタデータ） (2024-08-07T09:52:30Z)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• Speeding up Photoacoustic Imaging using Diffusion Models [0.0]
  光音響顕微鏡(PAM)は、光学的および音響的イメージングを統合し、組織内の光学吸収成分を検出するための浸透深度を向上させる。 レーザーパルス繰り返し速度による速度制限により、計算手法の潜在的な役割は、PAMイメージングの加速において強調される。 PAM画像の高速化に拡散モデルを用いた,新しい高適応DiffPamアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-14T11:34:27Z)
• ACDMSR: Accelerated Conditional Diffusion Models for Single Image Super-Resolution [84.73658185158222]
  本稿では,ACDMSRと呼ばれる拡散モデルに基づく超解像法を提案する。 提案手法は, 決定論的反復分解過程を通じて超解像を行うために, 標準拡散モデルに適応する。 提案手法は,低解像度画像に対してより視覚的に現実的な表現を生成し,現実的なシナリオにおけるその有効性を強調した。
  論文  参考訳（メタデータ） (2023-07-03T06:49:04Z)
• Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
  拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。 本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T03:08:28Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Deblurring via Stochastic Refinement [85.42730934561101]
  条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。 提案手法は,PSNRなどの歪み指標の点で競合する。
  論文  参考訳（メタデータ） (2021-12-05T04:36:09Z)
• Deep Learning Adapted Acceleration for Limited-view Photoacoustic Computed Tomography [1.8830359888767887]
  光音響計算トモグラフィ(PACT)は、PA信号検出のための超音波トランスデューサアレイでターゲットを照らすために、焦点のない大面積の光を使用する。 限定ビュー問題は、幾何学的条件の制限により、PACTの低画質の画像を引き起こす可能性がある。 数学的変動モデルとディープラーニングを組み合わせたモデルベース手法を提案する。
  論文  参考訳（メタデータ） (2021-11-08T02:05:58Z)
• Compressed Sensing for Photoacoustic Computed Tomography Using an Untrained Neural Network [1.7237160821929758]
  光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。 測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。 本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:01:58Z)

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。