論文の概要: SPADE: Spectroscopic Photoacoustic Denoising using an Analytical and Data-free Enhancement Framework

• arxiv url: http://arxiv.org/abs/2412.12068v2
• Date: Sun, 22 Dec 2024 00:34:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 19:20:47.413176
• Title: SPADE: Spectroscopic Photoacoustic Denoising using an Analytical and Data-free Enhancement Framework
• Title（参考訳）: SPADE:分析・データフリー化フレームワークを用いた分光光音響デノイング
• Authors: Fangzhou Lin, Shang Gao, Yichuan Tang, Xihan Ma, Ryo Murakami, Ziming Zhang, John D. Obayemi, Winston W. Soboyejo, Haichong K. Zhang,
• Abstract要約: sPA画像はノイズの影響を受けやすいため、信号対雑音比(SNR)が低く、画質が損なわれる。 フレーム平均化のような従来の denoising 技術は SNR の改善に有効だが、ダイナミックイメージングのシナリオでは実用的ではない。 本研究では,SPA画像のノイズ化のためのSPADEフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.207669560907187
• License:
• Abstract: Spectroscopic photoacoustic (sPA) imaging uses multiple wavelengths to differentiate chromophores based on their unique optical absorption spectra. This technique has been widely applied in areas such as vascular mapping, tumor detection, and therapeutic monitoring. However, sPA imaging is highly susceptible to noise, leading to poor signal-to-noise ratio (SNR) and compromised image quality. Traditional denoising techniques like frame averaging, though effective in improving SNR, can be impractical for dynamic imaging scenarios due to reduced frame rates. Advanced methods, including learning-based approaches and analytical algorithms, have demonstrated promise but often require extensive training data and parameter tuning, limiting their adaptability for real-time clinical use. In this work, we propose a sPA denoising using a tuning-free analytical and data-free enhancement (SPADE) framework for denoising sPA images. This framework integrates a data-free learning-based method with an efficient BM3D-based analytical approach while preserves spectral linearity, providing noise reduction and ensuring that functional information is maintained. The SPADE framework was validated through simulation, phantom, ex vivo, and in vivo experiments. Results demonstrated that SPADE improved SNR and preserved spectral information, outperforming conventional methods, especially in challenging imaging conditions. SPADE presents a promising solution for enhancing sPA imaging quality in clinical applications where noise reduction and spectral preservation are critical.
• Abstract（参考訳）: 分光光音響(sPA)イメージングは、複数の波長を用いて独自の光吸収スペクトルに基づいて色調を識別する。 この技術は血管マッピング、腫瘍検出、治療モニタリングなどの分野で広く応用されている。 しかし、SPA画像はノイズの影響を受けやすく、信号対雑音比(SNR)が低く、画質が損なわれている。 フレーム平均化のような従来の手法は、SNRを改善するのに有効だが、フレームレートの減少により動的撮像のシナリオでは実用的ではない。 学習に基づくアプローチや分析アルゴリズムを含む高度な手法は、将来性を示してきたが、多くの場合、広範囲なトレーニングデータとパラメータチューニングを必要とし、リアルタイム臨床使用への適応性を制限する。 本研究では,SPA画像のノイズ化のためのSPADEフレームワークを用いたSPAデノナイズ手法を提案する。 このフレームワークは、スペクトル線形性を維持しつつ、データフリー学習に基づく効率的なBM3Dに基づく分析手法と統合し、ノイズ低減と機能情報の維持を保証する。 SPADEフレームワークはシミュレーション、ファントム、生体外、生体内実験によって検証された。 その結果、SPADEはSNRを改善し、スペクトル情報を保存し、特に困難な撮像条件において従来の手法よりも優れていた。 SPADEは、ノイズ低減とスペクトル保存が重要となる臨床応用において、sPA画像品質を向上させるための有望なソリューションを提供する。

関連論文リスト

• Denoising OCT Images Using Steered Mixture of Experts with Multi-Model Inference [0.4452997112759916]
  マルチモデル推論とオートエンコーダ(BM-SMoE-AE)を用いたブロックマッチングステアリング 本研究では,マルチモデル推論とオートエンコーダ(BM-SMoE-AE)を用いた新しいデノナイズアルゴリズム,Block-Matching Steered-Mixture of Expertsを紹介する。
  論文  参考訳（メタデータ） (2024-02-20T06:00:42Z)
• Deep Ultrasound Denoising Using Diffusion Probabilistic Models [5.828784149537374]
  従来のデノナイジング法は、しばしばスペックルを除去するが、これは放射線科医や定量的な超音波検査にも有用である。 本稿では,近年のDenoising Diffusion Probabilistic Models (DDPM) に基づく手法を提案する。 スペックルテクスチャを保ちながらノイズを除去し、画像品質を反復的に向上させる。
  論文  参考訳（メタデータ） (2023-06-12T21:53:32Z)
• Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
  Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。 本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。 RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• 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)
• 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)
• De-Noising of Photoacoustic Microscopy Images by Deep Learning [0.9786690381850356]
  光音響顕微鏡(PAM)画像は、レーザー強度の最大許容露光、組織内の超音波の減衰、トランスデューサ固有のノイズによってノイズに悩まされる。 そこで本研究では,PAM画像から複雑なノイズを取り除くための深層学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-01-12T05:13:57Z)
• Convolutional Neural Network Denoising in Fluorescence Lifetime Imaging Microscopy (FLIM) [16.558653673949838]
  蛍光寿命イメージング顕微鏡(FLIM)システムは、その遅い処理速度、低信号対雑音比(SNR)、および高価で困難なハードウェアセットアップによって制限されています。 そこで本研究では,FLIM SNRを改善するために畳み込み畳み込みネットワークを適用した。 ネットワークは、アナログ信号処理に基づく高速なデータ取得、高効率パルス変調を用いた高SNR、オフザシェルフ無線周波数成分を用いたコスト効率実装を備えたインスタントFLIMシステムと統合される。
  論文  参考訳（メタデータ） (2021-03-07T03:27:44Z)
• A Universal Deep Learning Framework for Real-Time Denoising of Ultrasound Images [0.0]
  超音波画像のリアルタイムデノライゼーションのための普遍的ディープラーニングフレームワークを定義した。 超音波画像の平滑化のための最先端手法の解析と比較を行った。 そこで本研究では,選択された最新デノイジング手法のチューニング版を提案する。
  論文  参考訳（メタデータ） (2021-01-22T14:18:47Z)

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。