論文の概要: Medical X-Ray Image Enhancement Using Global Contrast-Limited Adaptive Histogram Equalization

• arxiv url: http://arxiv.org/abs/2411.01373v1
• Date: Sat, 02 Nov 2024 22:20:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:43:17.767169
• Title: Medical X-Ray Image Enhancement Using Global Contrast-Limited Adaptive Histogram Equalization
• Title（参考訳）: Global Contrast-Limited Adaptive Histogram Equalization を用いたX線画像の医用化
• Authors: Sohrab Namazi Nia, Frank Y. Shih,
• Abstract要約: G-CLAHE(Global-Contrast Limited Adaptive Histogram Equalization)は、X線に焦点を当てた医療画像に完全に適合する。 この方法は,グローバルヒストグラム等化(GHE)とコントラスト限定アダプティブヒストグラム等化(CLAHE)に適応し,長所と短所を両立させる。
• 参考スコア（独自算出の注目度）: 0.7596606040729642
• License:
• Abstract: In medical imaging, accurate diagnosis heavily relies on effective image enhancement techniques, particularly for X-ray images. Existing methods often suffer from various challenges such as sacrificing global image characteristics over local image characteristics or vice versa. In this paper, we present a novel approach, called G-CLAHE (Global-Contrast Limited Adaptive Histogram Equalization), which perfectly suits medical imaging with a focus on X-rays. This method adapts from Global Histogram Equalization (GHE) and Contrast Limited Adaptive Histogram Equalization (CLAHE) to take both advantages and avoid weakness to preserve local and global characteristics. Experimental results show that it can significantly improve current state-of-the-art algorithms to effectively address their limitations and enhance the contrast and quality of X-ray images for diagnostic accuracy.
• Abstract（参考訳）: 医用画像において、正確な診断は、特にX線画像において、効果的な画像強調技術に大きく依存している。 既存の手法は、局所的な画像特性よりもグローバルな画像特性を犠牲にする、あるいはその逆といった様々な課題に悩まされることが多い。 本稿では,G-CLAHE(Global-Contrast Limited Adaptive Histogram Equalization)と呼ばれる新しいアプローチを提案する。 本手法は,グローバルヒストグラム等化法(GHE)とコントラスト限定適応ヒストグラム等化法(CLAHE)を併用して,長所と短所を両立させ,局所的特性と大域的特性を維持する。 実験結果から,現状のアルゴリズムを著しく改良し,その限界を効果的に解決し,X線画像のコントラストと品質を高めて診断精度を高めることができることがわかった。

関連論文リスト

• Unsupervised Iterative U-Net with an Internal Guidance Layer for Vertebrae Contrast Enhancement in Chest X-Ray Images [1.521162809610347]
  我々は,深部ニューラルネットワークを反復的に訓練することにより,X線画像の品質向上のための新しい,堅牢なアプローチを提案する。 本フレームワークは胸部X線像における脊椎の微細構造を増強する内部誘導層を含む。 実験の結果,提案手法は既存のBRISQUEスコアの精度向上手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-06T19:36:11Z)
• Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19 Chest X-ray Diagnosis [2.15242029196761]
  世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。 並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
  論文  参考訳（メタデータ） (2023-04-25T16:56:12Z)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Data-Consistent Local Superresolution for Medical Imaging [5.025654873456756]
  フルトモグラフィー画像の再構築後、臨床医は画像のいくつかの重要な部分が十分に明確でないと信じ、これらの領域をより透明にしたいと考えるかもしれない。 単純なアプローチ(推奨されない)では、高解像度画像のグローバルな再構築を行う。 本稿では,関心領域のズームインと精細化をリアルタイムに行うための反復モデルベース再構成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-22T13:18:38Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Collaborative Unsupervised Domain Adaptation for Medical Image Diagnosis [102.40869566439514]
  我々は、Unsupervised Domain Adaptation (UDA)を通じて、対象タスクにおける学習を支援するために、関連ドメインからの豊富なラベル付きデータを活用しようとしている。 クリーンなラベル付きデータやサンプルを仮定するほとんどのUDAメソッドが等しく転送可能であるのとは異なり、協調的教師なしドメイン適応アルゴリズムを革新的に提案する。 提案手法の一般化性能を理論的に解析し,医用画像と一般画像の両方で実験的に評価する。
  論文  参考訳（メタデータ） (2020-07-05T11:49:17Z)

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。