論文の概要: An Interpretable X-ray Style Transfer via Trainable Local Laplacian Filter

• arxiv url: http://arxiv.org/abs/2411.07072v1
• Date: Mon, 11 Nov 2024 15:47:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:12:39.318006
• Title: An Interpretable X-ray Style Transfer via Trainable Local Laplacian Filter
• Title（参考訳）: 学習可能な局所ラプラシアンフィルタによる解釈可能なX線透過
• Authors: Dominik Eckert, Ludwig Ritschl, Christopher Syben, Christian Hümmer, Julia Wicklein, Marcel Beister, Steffen Kappler, Sebastian Stober,
• Abstract要約: 局所ラプラシアンフィルタ(LLF)のトレーニング可能なバージョンを導入して,自動かつ解釈可能なX線転送を提案する。 本研究では,未処理のマンモグラフィX線画像を,対象のマンモグラフィのスタイルにマッチした画像に変換することで,提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 0.7754772521090771
• License:
• Abstract: Radiologists have preferred visual impressions or 'styles' of X-ray images that are manually adjusted to their needs to support their diagnostic performance. In this work, we propose an automatic and interpretable X-ray style transfer by introducing a trainable version of the Local Laplacian Filter (LLF). From the shape of the LLF's optimized remap function, the characteristics of the style transfer can be inferred and reliability of the algorithm can be ensured. Moreover, we enable the LLF to capture complex X-ray style features by replacing the remap function with a Multi-Layer Perceptron (MLP) and adding a trainable normalization layer. We demonstrate the effectiveness of the proposed method by transforming unprocessed mammographic X-ray images into images that match the style of target mammograms and achieve a Structural Similarity Index (SSIM) of 0.94 compared to 0.82 of the baseline LLF style transfer method from Aubry et al.
• Abstract（参考訳）: 放射線技師は、診断性能をサポートするために手動で調整されたX線画像の視覚的印象や「スタイル」を好む。 本研究では,局所ラプラシアンフィルタ (LLF) のトレーニング可能なバージョンを導入することで,自動かつ解釈可能なX線転送を提案する。 LLFの最適化されたリマップ関数の形状から、スタイル転送の特性を推定でき、アルゴリズムの信頼性を確保することができる。 さらに,再マップ関数をMLP(Multi-Layer Perceptron)に置き換え,トレーニング可能な正規化層を追加することで,LLFが複雑なX線スタイルの特徴を捉えることを可能にする。 提案手法の有効性は,未処理のマンモグラフィX線画像を対象マンモグラフィーのスタイルにマッチした画像に変換し,AubryらによるベースラインLLFスタイル転送方式の0.82に比べて0.94の類似度指数(SSIM)を達成し,提案手法の有効性を示す。

関連論文リスト

• StrokeNUWA: Tokenizing Strokes for Vector Graphic Synthesis [112.25071764647683]
  StrokeNUWAはベクターグラフィックスにおけるより良い視覚表現'ストロークトークン'を探求する先駆的な研究である。 ストロークトークンを備えたStrokeNUWAは、従来のLCMベースの最適化ベースのメソッドを大幅に上回ることができる。 StrokeNUWAは、SVGコード圧縮比が6.9%の従来の手法よりも94倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2024-01-30T15:20:26Z)
• LDCSF: Local depth convolution-based Swim framework for classifying multi-label histopathology images [4.337832783226794]
  局所的な深層畳み込み型スイムフレームワーク (LDCSF) を提案し, マルチラベル病理像の分類を行った。 間質領域,壊死,非腫瘍,腫瘍のLCCSFの分類精度は0.9460,0.9960,0.9808,0.9847であった。
  論文  参考訳（メタデータ） (2023-08-21T03:44:54Z)
• Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
  Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。 我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。 私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
  論文  参考訳（メタデータ） (2023-04-20T04:05:22Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Non-Parametric Style Transfer [0.9137554315375919]
  最近のフィードフォワードニューラル法では、主にエンコードされた特徴写像を2次統計量まで利用している。 我々は,画像のスタイルが受容場からの応答の分布によって表されるという認識に基づいて,2階統計特徴マッチングを一般分布マッチングに拡張する。 この結果から,本手法により得られたスタイリング画像は,コンテンツクリアネスを損なうことなく,既存のすべてのスタイル尺度におけるターゲットスタイル画像とより類似していることが証明された。
  論文  参考訳（メタデータ） (2022-06-26T16:34:37Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Deep Learning compatible Differentiable X-ray Projections for Inverse Rendering [8.926091372824942]
  距離マップを生成するために、メッシュ内部の線状構造によって移動される距離を導出して微分可能とする。 骨盤の実際の2次元蛍光画像から3次元モデルを再構成する逆問題(逆問題)を解くことにより,その応用を示す。
  論文  参考訳（メタデータ） (2021-02-04T22:06:05Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Gram filtering and sinogram interpolation for pixel-basis in parallel-beam X-ray CT reconstruction [4.111899441919163]
  本稿では,グラムフィルタを正確に計算し,シングラム信号を最適に補間することにより,関連するアルゴリズムの性能を向上させる手法を提案する。 解析ファントム画像と実CT画像の両方を用いて, 後方投射と反復再建の速度, 品質の改善について検討した。
  論文  参考訳（メタデータ） (2020-05-27T16:26:19Z)

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。