論文の概要: Evaluating Detection Thresholds: The Impact of False Positives and Negatives on Super-Resolution Ultrasound Localization Microscopy

• arxiv url: http://arxiv.org/abs/2411.07426v1
• Date: Mon, 11 Nov 2024 22:58:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:21:38.438603
• Title: Evaluating Detection Thresholds: The Impact of False Positives and Negatives on Super-Resolution Ultrasound Localization Microscopy
• Title（参考訳）: 検出閾値の評価:超解像超音波局在顕微鏡における偽陽性と陰性の影響
• Authors: Sepideh K. Gharamaleki, Brandon Helfield, Hassan Rivaz,
• Abstract要約: 本研究では, 偽陽性 (FPs) と偽陰性 (FNs) がULM画像品質に与える影響について検討した。 厳密なMB領域は検出エラーに対してより耐性があり、スパース領域は高い感度を示す。
• 参考スコア（独自算出の注目度）: 1.912429179274357
• License:
• Abstract: Super-resolution ultrasound imaging with ultrasound localization microscopy (ULM) offers a high-resolution view of microvascular structures. Yet, ULM image quality heavily relies on precise microbubble (MB) detection. Despite the crucial role of localization algorithms, there has been limited focus on the practical pitfalls in MB detection tasks such as setting the detection threshold. This study examines how False Positives (FPs) and False Negatives (FNs) affect ULM image quality by systematically adding controlled detection errors to simulated data. Results indicate that while both FP and FN rates impact Peak Signal-to-Noise Ratio (PSNR) similarly, increasing FP rates from 0\% to 20\% decreases Structural Similarity Index (SSIM) by 7\%, whereas same FN rates cause a greater drop of around 45\%. Moreover, dense MB regions are more resilient to detection errors, while sparse regions show high sensitivity, showcasing the need for robust MB detection frameworks to enhance super-resolution imaging.
• Abstract（参考訳）: 超音波ローカライゼーション顕微鏡(ULM)を用いた超高分解能超音波イメージングは、微小血管構造の高分解能なビューを提供する。 しかし、ULM画像の品質は精密なマイクロバブル(MB)検出に大きく依存している。 ローカライゼーションアルゴリズムの重要な役割にもかかわらず、検出しきい値の設定など、MB検出タスクにおける実用的な落とし穴に限定的に焦点が当てられている。 本研究では,False Positives (FPs) とFalse Negatives (FNs) がULM画像品質に与える影響について,シミュレーションデータに制御された検出誤差を体系的に付加することにより検討した。 その結果、FPとFNの両者がPak Signal-to-Noise Ratio (PSNR) に影響を及ぼす一方、FPの0-%から20-%の上昇は構造類似度指数 (SSIM) を7-%減少させる一方、同じFNの値が45-%低下することがわかった。 さらに、密度の高いMB領域は検出エラーに対してより耐性があり、スパース領域は高い感度を示し、超高分解能イメージングを強化するための堅牢なMB検出フレームワークの必要性を示している。

関連論文リスト

• Resolution Enhancement of Under-sampled Photoacoustic Microscopy Images using Implicit Neural Representations [4.672315172406826]
  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。
  論文  参考訳（メタデータ） (2024-10-15T00:44:57Z)
• 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)
• Semi-Supervised Bone Marrow Lesion Detection from Knee MRI Segmentation Using Mask Inpainting Models [7.197545510697077]
  骨髄病変(BML)は膝関節症(OA)の重要な指標である MRIにおけるBMLの効果的な検出は、OAの診断と治療に不可欠である。 本稿では,高分解能膝関節MRIにおけるBML識別のためのマスク塗装モデルを用いた半教師付き局所異常検出法を提案する。
  論文  参考訳（メタデータ） (2024-09-27T23:47:47Z)
• Detecting Atomic Scale Surface Defects in STM of TMDs with Ensemble Deep Learning [0.0]
  原子スケール欠陥検出は、U-Netのような畳み込みニューラルネットワークのアンサンブルを用いた単一結晶WSe2の走査トンネル顕微鏡画像で示される。 また,WSe2のC-AFM画像とMoSe2のSTM画像とのアンサンブル一般化を示した。
  論文  参考訳（メタデータ） (2023-12-08T16:38:51Z)
• FS-BAND: A Frequency-Sensitive Banding Detector [55.59101150019851]
  バンディング・アーティファクト(Banding artifact)は、階段のような輪郭(contour)として知られ、圧縮や伝達などで発生する一般的な品質の不快さである。 周波数感度バンディング検出器 (FS-BAND) と呼ばれる,帯状アーティファクトを捕捉・評価するための非参照帯状検出モデルを提案する。 実験結果から,FS-BAND法は画像品質評価(IQA)手法よりもバンドリング分類タスクの精度が高い結果を得た。
  論文  参考訳（メタデータ） (2023-11-30T03:20:42Z)
• Super-Resolved Microbubble Localization in Single-Channel Ultrasound RF Signals Using Deep Learning [3.714592704933424]
  1次元拡張畳み込みニューラルネットワーク(CNN)を用いた単一チャネル電波周波数(RF)信号の直接デコンボリューションに基づく別の超解像手法を提案する。 この研究は、単分散マイクロバブルの高密度雲の深部イメージングのための低周波超音波(1.7MHz)に焦点を当てている(測定体積で最大1000マイクロバブル)。 ネットワークは、分類損失と回帰損失の両方の要素を特徴とする新しい二重損失関数で訓練され、出力の検出-局所化特性が改善される。
  論文  参考訳（メタデータ） (2022-04-09T19:57:30Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• Spatial-Phase Shallow Learning: Rethinking Face Forgery Detection in Frequency Domain [88.7339322596758]
  本論文では,空間画像と位相スペクトルを組み合わせ,顔の偽造のアップサンプリング成果をキャプチャするSPSL(Spatial-Phase Shallow Learning)法を提案する。 SPSLは、クロスデータセット評価における最先端性能とマルチクラス分類を実現し、単一データセット評価において同等の結果を得ることができる。
  論文  参考訳（メタデータ） (2021-03-02T16:45:08Z)
• 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)

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。