論文の概要: Video Denoising in Fluorescence Guided Surgery

• arxiv url: http://arxiv.org/abs/2411.09798v1
• Date: Thu, 14 Nov 2024 20:15:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:38:43.908816
• Title: Video Denoising in Fluorescence Guided Surgery
• Title（参考訳）: 蛍光ガイド下手術における映像のデノイング
• Authors: Trevor Seets, Andreas Velten,
• Abstract要約: 蛍光ガイド下手術(FGS)は、外科医に、組織の種類や疾患領域を指示することによって、その練習をガイドするためのユニークな組織ビューを提供する、有望な手術技術である。 FGSは、蛍光信号の順にある未濾過励起光を表すレーザー漏れ光(LLL)から難いバイアスノイズ項を持つ。 従来のビデオデノーミング手法は、ゼロ平均雑音と非因果処理に重点を置いており、どちらもFGSに違反している。
• 参考スコア（独自算出の注目度）: 7.453224212428423
• License:
• Abstract: Fluorescence guided surgery (FGS) is a promising surgical technique that gives surgeons a unique view of tissue that is used to guide their practice by delineating tissue types and diseased areas. As new fluorescent contrast agents are developed that have low fluorescent photon yields, it becomes increasingly important to develop computational models to allow FGS systems to maintain good video quality in real time environments. To further complicate this task, FGS has a difficult bias noise term from laser leakage light (LLL) that represents unfiltered excitation light that can be on the order of the fluorescent signal. Most conventional video denoising methods focus on zero mean noise, and non-causal processing, both of which are violated in FGS. Luckily in FGS, often a co-located reference video is also captured which we use to simulate the LLL and assist in the denoising processes. In this work, we propose an accurate noise simulation pipeline that includes LLL and propose three baseline deep learning based algorithms for FGS video denoising.
• Abstract（参考訳）: 蛍光ガイド下手術(FGS)は、外科医に、組織の種類や疾患領域を指示することによって、その練習をガイドするためのユニークな組織ビューを提供する、有望な手術技術である。 蛍光光子収率の低い新しい蛍光コントラスト剤が開発されるにつれて、FGSシステムがリアルタイム環境で優れた画質を維持するために計算モデルを開発することがますます重要になる。 この課題をさらに複雑にするために、FGSは、蛍光信号の順にある未濾過励起光を表すレーザー漏れ光(LLL)から、難しいバイアスノイズ項を持つ。 従来のビデオデノーミング手法は、ゼロ平均雑音と非因果処理に重点を置いており、どちらもFGSに違反している。 幸いなことに、FGSでは、LLLをシミュレートし、デノナイズプロセスを支援するために、しばしばコロケーションされた参照ビデオもキャプチャされます。 本研究では,LLLを含む高精度なノイズシミュレーションパイプラインを提案し,FGSビデオ復調のための3つのベースライン深層学習アルゴリズムを提案する。

関連論文リスト

• A Complementary Global and Local Knowledge Network for Ultrasound denoising with Fine-grained Refinement [0.7424725048947504]
  超音波イメージングは、一般的に臨床検査で使用される効果的で非侵襲的な診断ツールとして機能する。 既存のスペックルノイズ低減手法は、過剰な画像の平滑化を誘発するか、詳細情報を適切に保存することができない。 微細な精細化を伴う超音波診断のための補完的グローバル・ローカル知識ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-10-05T09:12:34Z)
• Learning Task-Oriented Flows to Mutually Guide Feature Alignment in Synthesized and Real Video Denoising [137.5080784570804]
  Video Denoisingは、クリーンなノイズを回復するためにビデオからノイズを取り除くことを目的としている。 既存の研究によっては、近辺のフレームから追加の空間的時間的手がかりを利用することで、光学的流れがノイズ発生の助けとなることが示されている。 本稿では,様々なノイズレベルに対してより堅牢なマルチスケール光フロー誘導型ビデオデノイング法を提案する。
  論文  参考訳（メタデータ） (2022-08-25T00:09:18Z)
• Cycle-Interactive Generative Adversarial Network for Robust Unsupervised Low-Light Enhancement [109.335317310485]
  CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。 特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
  論文  参考訳（メタデータ） (2022-07-03T06:37:46Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-05T12:46:36Z)
• Unsupervised Denoising of Retinal OCT with Diffusion Probabilistic Model [0.2578242050187029]
  本稿では,信号の代わりにノイズから学習するための拡散確率モデルを提案する。 本手法は,簡単な作業パイプラインと少量のトレーニングデータを用いて,画像品質を著しく向上させることができる。
  論文  参考訳（メタデータ） (2022-01-27T19:02:38Z)
• Improving Blind Spot Denoising for Microscopy [73.94017852757413]
  自己監督型認知の質を向上させる新しい方法を提案する。 我々は、クリーンな画像がポイントスプレッド関数(PSF)との畳み込みの結果であり、ニューラルネットワークの最後にこの操作を明示的に含んでいると仮定する。
  論文  参考訳（メタデータ） (2020-08-19T13:06:24Z)
• Learning Model-Blind Temporal Denoisers without Ground Truths [46.778450578529814]
  合成データで訓練されたデノイザーは、未知のノイズの多様性に対処できないことが多い。 従来の画像ベース手法は、ビデオデノイザに直接適用した場合、ノイズが過度に収まる。 本稿では,これらの課題に対処する上で有効な,ビデオ・デノベーション・ネットワークの汎用フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-07T07:19:48Z)
• Patch-based Non-Local Bayesian Networks for Blind Confocal Microscopy Denoising [16.500900167849682]
  我々はベイズ深層学習の枠組みにおけるNLBの強みを活用することを提案する。 我々は畳み込みニューラルネットワークを設計し、それを訓練してガウスモデルのパラメータを学習する。 次にベイズ推論を適用し、ノイズフリーパッチを近似する過程においてノイズフリーパッチからの事前情報と情報を活用する。
  論文  参考訳（メタデータ） (2020-03-25T01:49:58Z)
• Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
  ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。 本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
  論文  参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。